如何在Python Pandas中按年份匹配添加TS%_mean和TS%_SD列

DevOps 小满

2026-8-10

解决方法：使用Pandas的merge函数替代循环

不用手动写循环，直接用pandas内置的merge()函数就能高效实现按年份匹配并添加列的需求，这比循环更可靠且性能更优。

假设你的两个DataFrame结构

球员年度数据（记为df_player）：包含球员信息、年份及其他比赛数据，示例结构：
Player Year PTS ...
LeBron 2020 25 ...
Curry 2021 32 ...
年份统计数据（记为df_year_stats）：包含年份、TS%均值和标准差，示例结构：
Year TS%_mean TS%_SD
2020 0.56 0.08
2021 0.57 0.07

核心代码实现

import pandas as pd

# 按年份匹配，将TS%_mean和TS%_SD合并到球员数据中
# how='left' 确保保留df_player的所有行，匹配不到年份的行会显示NaN
merged_df = pd.merge(df_player, df_year_stats[['Year', 'TS%_mean', 'TS%_SD']], on='Year', how='left')

特殊情况处理

如果你的需求是按球员+年份的组合匹配（比如每个球员自身每年的TS%均值和标准差），只需修改on参数为组合键：

merged_df = pd.merge(df_player, df_year_stats[['Player', 'Year', 'TS%_mean', 'TS%_SD']], on=['Player', 'Year'], how='left')

注意事项

确保两个DataFrame中用于匹配的列（比如Year或Player+Year）数据类型一致，如果一个是字符串、一个是整数，先统一类型：
```
df_player['Year'] = df_player['Year'].astype(int)
df_year_stats['Year'] = df_year_stats['Year'].astype(int)
```
如果df_year_stats中有多余列，合并时只选择需要的列（比如示例中的['Year', 'TS%_mean', 'TS%_SD']），避免引入无关数据。