Python DataFrame多匹配合并：如何关联天气与主机数据？

完全可以通过pandas的merge()函数实现你需要的匹配需求，核心是基于**date和ZipCode两个字段**进行关联，将天气数据匹配到对应的每条主机记录上。

步骤示例： #

1. 导入pandas并构造示例DataFrame：

import pandas as pd

# 构造df1：天气数据
df1 = pd.DataFrame({
    'date': ['2022-11-25 00:00:00', '2022-11-25 00:00:15', '2022-11-25 00:00:30'],
    'ZipCode': [123456, 123456, 123456],
    'Weather': [34, 35, 36]
})

# 构造df2：主机数据
df2 = pd.DataFrame({
    'date': ['2022-11-25 00:00:00', '2022-11-25 00:00:00', '2022-11-25 00:00:00',
             '2022-11-25 00:00:15', '2022-11-25 00:00:30', '2022-11-25 00:00:30'],
    'ZipCode': [123456, 123456, 123456, 123456, 123456, 123456],
    'host': ['host1', 'host2', 'host3', 'host1', 'host2', 'host3']
})

# 可选：将date字段转为datetime类型，避免字符串格式不一致导致匹配失败
df1['date'] = pd.to_datetime(df1['date'])
df2['date'] = pd.to_datetime(df2['date'])

2. 执行合并操作：

# 基于date和ZipCode关联，保留df2所有记录并匹配对应天气数据
merged_df = pd.merge(df2, df1, on=['date', 'ZipCode'], how='left')

3. 查看合并结果：

print(merged_df)

输出结果与你期望的一致：

date  ZipCode   host  Weather
0 2022-11-25 00:00:00   123456  host1       34
1 2022-11-25 00:00:00   123456  host2       34
2 2022-11-25 00:00:00   123456  host3       34
3 2022-11-25 00:00:15   123456  host1       35
4 2022-11-25 00:00:30   123456  host2       36
5 2022-11-25 00:00:30   123456  host3       36

关键说明： #

• on=['date', 'ZipCode']：指定双关联字段，确保只有同一时间、同一邮编的记录才会匹配
• how='left'：保留df2的所有记录，若df1中无对应数据则Weather字段会显示NaN；如果你的场景中df2的所有date/ZipCode组合都存在于df1，使用how='inner'也可得到相同结果
• 提前转换date为datetime类型，能避免不同字符串格式（如带时区、不同分隔符）导致的匹配异常

内容的提问来源于stack exchange，提问作者Francisco Hernandez