如何在Pandas中将单元格值匹配到列名合并两个DataFrame？

问题根源在于：df1的Year是数值类型，而df2的年份是字符串格式的列名，两者无法直接通过merge关联；concat仅适用于同结构表的拼接，自然也达不到需求。正确思路是先把df2从宽表转为和df1结构一致的长表，再进行合并。

步骤1：将df2从宽表转成纵向长表 #

使用pandas的melt函数，把横向的年份列转为纵向的Year列，同时提取对应值作为Value列：

df2_long = df2.melt(
    id_vars='Code',  # 保留Code作为匹配标识
    var_name='Year',  # 原年份列名转为Year列
    value_name='Value'  # 原年份列的值转为Value列
)

转换后的df2_long结构如下：

Code Year Value
ALB  2000  1m
ALB  2001  2m
ALB  2002  3m
ARG  2000  2m
ARG  2001  4m
ARG  2002  6m

步骤2：统一Year列的数据类型 #

df1的Year是数值类型（如int），而df2_long的Year是字符串，需转为相同类型才能正确匹配：

df2_long['Year'] = df2_long['Year'].astype(int)

步骤3：合并两个DataFrame #

此时两个表结构一致，通过merge按Code和Year做左连接，确保保留df1的所有行：

df_result = df1.merge(df2_long, on=['Code', 'Year'], how='left')

完整可运行代码 #

import pandas as pd

# 模拟输入数据
df1 = pd.DataFrame({
    'Code': ['ALB', 'ALB', 'ALB', 'ARG', 'ARG', 'ARG'],
    'Year': [2000, 2001, 2002, 2000, 2001, 2002]
})

df2 = pd.DataFrame({
    'Code': ['ALB', 'ARG'],
    '2000': ['1m', '2m'],
    '2001': ['2m', '4m'],
    '2002': ['3m', '6m']
})

# 宽表转长表
df2_long = df2.melt(id_vars='Code', var_name='Year', value_name='Value')
# 统一Year类型
df2_long['Year'] = df2_long['Year'].astype(int)
# 合并表
df_result = df1.merge(df2_long, on=['Code', 'Year'], how='left')

print(df_result)

运行后输出结果完全符合预期：

Code  Year Value
0  ALB  2000    1m
1  ALB  2001    2m
2  ALB  2002    3m
3  ARG  2000    2m
4  ARG  2001    4m
5  ARG  2002    6m

内容的提问来源于stack exchange，提问作者dch2404