基于共同列替换DataFrame列值返回NaN，求原因及修复方法

场景重现 #

现有两个DataFrame：

hec_df： #

hec_ldfs： #

目标是将hec_df的factor列替换为hec_ldfs中对应年份的值，使用代码：

hec_df['factor'] = hec_df['factor'].map(hec_ldfs.set_index('accident year')['factor'])

运行后factor列全为NaN，需排查原因并修复。

原因分析 #

1. 列名不匹配：代码中使用'accident year'作为索引列，但实际两个DataFrame的年份列名为'事故年份'，导致hec_ldfs无法正确设置索引，后续匹配完全失效。
2. map逻辑错误：你用hec_df的factor列值去匹配hec_ldfs的索引，但hec_ldfs的索引（若列名正确）是年份值而非factor值，两者无对应关系，自然返回NaN。

修复方案 #

方案1：修正map的使用逻辑（推荐） #

基于事故年份列进行匹配，确保列名正确：

# 先将hec_ldfs以事故年份为索引提取factor列，再用hec_df的事故年份映射
hec_df['factor'] = hec_df['事故年份'].map(hec_ldfs.set_index('事故年份')['factor'])

方案2：用merge合并后替换 #

若需保留更多字段，merge是更直观的方式：

# 以事故年份为键合并两个DataFrame
merged_df = hec_df.merge(hec_ldfs, on='事故年份', suffixes=('_old', ''))
# 保留目标列，替换原factor
hec_df = merged_df[['事故年份', 'factor', 'age']]

额外检查：数据类型一致性 #

确保两个DataFrame的事故年份列数据类型一致（如均为int或str），可通过df.dtypes查看，若不一致用astype转换：

# 统一转换为int类型
hec_df['事故年份'] = hec_df['事故年份'].astype(int)
hec_ldfs['事故年份'] = hec_ldfs['事故年份'].astype(int)

内容的提问来源于stack exchange，提问作者ntwong