基于日期与名称匹配将DataFrame数据合并到时间序列DataFrame

我有两个Pandas DataFrame：

• df1是时间序列DataFrame，索引为Date，包含6列数据，其中一列是'name'列，'pick'列初始全为NaN
• df2所有行的Date值相同，每行的'name'是唯一字符串，包含'pick'列

df1结构 #

df2结构 #

我想基于name和Date双条件，把df2中的对应pick值合并到df1中，尝试了以下代码但不符合预期：

df3['pick'] = pd.merge(df1, df2, how='outer', on=['name'])

期望结果：生成新的df3（或更新df1），仅将df1中Date=2022-1-3且name=ABC的行的pick列设为21.1，其余行保持NaN，结构如下：

你之前的代码问题在于只按name合并，未加入Date作为匹配条件，且直接赋值给df3['pick']会因merge返回完整DataFrame导致错误。以下是两种可行实现方式：

方法1：使用merge精准匹配后更新列 #

# 将df1的Date索引转为列，方便和df2的Date列匹配
df1_reset = df1.reset_index()
# 基于Date和name做左连接，仅保留df2中需要的列
merged = pd.merge(df1_reset, df2[['Date', 'name', 'pick']], 
                  on=['Date', 'name'], how='left')
# 用df2的pick值覆盖原pick列，无匹配项保留原NaN
merged['pick'] = merged['pick_y'].combine_first(merged['pick_x'])
# 恢复Date为索引，整理成目标结构
df3 = merged.set_index('Date')[['name', 'score', 'stat1', 'stat2', 'pick']]

方法2：构建匹配字典实现快速映射 #

# 构建以(Date, name)为键、pick为值的字典
pick_dict = df2.set_index(['Date', 'name'])['pick'].to_dict()
# 复制df1避免修改原数据，逐行匹配双条件赋值
df3 = df1.copy()
df3['pick'] = df3.apply(lambda row: pick_dict.get((row.name, row['name']), pd.NA), axis=1)

内容的提问来源于stack exchange，提问作者chorink65