如何合并列值存在不同变体的两个DataFrame？

针对你遇到的国家名称变体导致merge无法匹配的问题，这里有几种实用的解决方案：

1. 手动构建映射字典（最可控） #

如果变体数量不多，手动创建映射字典是最直接且不易出错的方式，把所有变体统一映射到同一个标准名称：

import pandas as pd

# 定义国家变体到标准名称的映射
country_mapping = {
    'USA': 'United States',
    'US': 'United States',
    'U.S.': 'United States',
    'America': 'United States',
    'UK': 'United Kingdom',
    'Britain': 'United Kingdom',
    'GB': 'United Kingdom'
}

# 先统一两个DataFrame的列名（比如把df2的Country改成country）
df2 = df2.rename(columns={'Country': 'country'})

# 对两个df的country列做替换，未在映射中的值保留原内容
df1['country_unified'] = df1['country'].map(country_mapping).fillna(df1['country'])
df2['country_unified'] = df2['country'].map(country_mapping).fillna(df2['country'])

# 基于统一后的列执行合并
merged_df = pd.merge(df1, df2, on='country_unified', how='outer')

2. 模糊匹配（适合变体较多的场景） #

如果变体太多手动维护麻烦，可以用fuzzywuzzy库做相似度匹配，自动找到最接近的标准名称：

首先安装依赖：

pip install fuzzywuzzy python-Levenshtein

然后编写匹配逻辑：

from fuzzywuzzy import process
import pandas as pd

# 统一列名
df2 = df2.rename(columns={'Country': 'country'})

# 提取df1中的唯一国家列表作为匹配基准
target_countries = df1['country'].unique()

# 定义匹配函数：返回相似度高于80分的最匹配项，否则保留原名称
def match_country(country):
    match, score = process.extractOne(country, target_countries, score_cutoff=80)
    return match if score else country

# 对df2的country列执行模糊匹配
df2['country_matched'] = df2['country'].apply(match_country)

# 执行合并
merged_df = pd.merge(df1, df2, left_on='country', right_on='country_matched', how='outer')

注意：可以根据实际情况调整score_cutoff的值，避免把相似但不同的国家错误匹配。

3. 用标准化库自动转换（适合标准国家名称） #

使用pycountry库可以自动识别各种国家名称变体，转换成标准的官方名称：

先安装库：

pip install pycountry

然后实现标准化：

import pycountry
import pandas as pd

# 定义标准化函数
def standardize_country(country_name):
    try:
        # 精确匹配
        return pycountry.countries.lookup(country_name).name
    except LookupError:
        # 模糊搜索匹配
        matches = pycountry.countries.search_fuzzy(country_name)
        return matches[0].name if matches else country_name

# 统一列名
df2 = df2.rename(columns={'Country': 'country'})

# 对两个df的country列做标准化处理
df1['country_standard'] = df1['country'].apply(standardize_country)
df2['country_standard'] = df2['country'].apply(standardize_country)

# 合并数据
merged_df = pd.merge(df1, df2, on='country_standard', how='outer')

局限性：对于一些非标准地区或小众名称，pycountry可能无法匹配，需要结合手动映射补充。

内容的提问来源于stack exchange，提问作者The Potato