如何基于另一DataFrame多列值在目标DataFrame中新增列？

先给出两个目标DataFrame的定义：

import pandas as pd

data = {
  'Part' : ['part1', 'part2', 'part3', 'part4', 'part5'],
  'Number' : ['123', '234', '345', '456', '567'],
  'Code' : ['R2', 'R2', 'R4', 'R5', 'R5']
}
df = pd.DataFrame(data, dtype = object)

data2 = {
  'Part' : ['part1', 'part2', 'part6', 'part4'],
  'Number' : ['123', '234', '345', '456'],
  'Code' : ['M2', 'R2', 'R4', 'M5']
}
df2 = pd.DataFrame(data2, dtype = object)

需求：在df中新增一列Old_Code，当df与df2的Part和Number列值同时匹配时，填入df2的Code列值，预期结果为['M2', 'R2', NaN, 'M5', NaN]。

你尝试的两种方法都因DataFrame形状不匹配或逻辑错误报错：

1. 第一种直接用loc比较整列：两个DataFrame行数不同（df有5行，df2有4行），直接做列级比较会触发广播机制，导致形状不匹配。
2. 第二种apply方法：函数里拿单行的Part/Number和df2的整列比较，得到的是布尔数组，无法作为if的判断条件，因此报错。

解决方法 #

方法一：使用merge（推荐，适合大数据量） #

merge是pandas处理多键匹配最规范的方式，左连接可以保留原DataFrame的所有行，未匹配项自动填充NaN：

# 提取df2中用于匹配的列和目标Code列
mapping_df = df2[['Part', 'Number', 'Code']]
# 左连接，基于Part和Number匹配，保留df的所有行
merged_df = df.merge(mapping_df, on=['Part', 'Number'], how='left', suffixes=('', '_old'))
# 将匹配到的Code值赋值给新列Old_Code
df['Old_Code'] = merged_df['Code_old']

执行后df的Old_Code列就是预期结果。

方法二：使用元组映射（适合小数据量） #

将df2的Part和Number组合成元组作为索引，再通过map匹配：

# 创建(Part, Number)到Code的映射字典
code_mapping = df2.set_index(['Part', 'Number'])['Code']
# 对df每一行生成元组，用get方法匹配，未匹配返回None（自动转为NaN）
df['Old_Code'] = df.apply(lambda row: code_mapping.get((row['Part'], row['Number'])), axis=1)

内容的提问来源于stack exchange，提问作者Molly22