Pandas：如何跨不同结构DataFrame匹配数据并添加新列？

问题背景 #

现有两个结构差异的DataFrame：

• df_1（数万行库存表）：包含Color、Size、Shape、rating列
• df_2（数百行宝石标准评分表）：以Color、Size为维度，将不同Shape作为列存储对应标准评分值

需求：为df_1新增standard_rating列，根据每行的Color、Size、Shape从df_2匹配对应值填入（例如df_1中Red、Size2、pear形状的行，需匹配df_2中对应值87）

解决步骤 #

1. 将df_2转换为长格式（宽表转长表） #

df_2是宽表结构（Shape作为列），需要先转为长表，让Shape成为单独的列，才能和df_1的结构对齐进行匹配。

import pandas as pd

# 若df_2的Color、Size是索引，先重置索引
if 'Color' not in df_2.columns or 'Size' not in df_2.columns:
    df_2 = df_2.reset_index()

# 宽表转长表
df_2_melted = df_2.melt(
    id_vars=['Color', 'Size'],
    var_name='Shape',
    value_name='standard_rating'
)

2. 合并两个DataFrame获取标准评分 #

通过merge方法，以Color、Size、Shape为匹配键，将转换后的df_2与df_1合并，把标准评分值带入df_1。

# 左连接保留df_1所有行，匹配不到的记录standard_rating会显示NaN
df_1 = pd.merge(
    df_1,
    df_2_melted,
    on=['Color', 'Size', 'Shape'],
    how='left'
)

效果验证 #

转换后的df_2_melted会包含类似(Color='Red', Size='Size2', Shape='pear', standard_rating=87)的行，合并后df_1中对应行的standard_rating列会自动填充为87，完全匹配需求。

内容的提问来源于stack exchange，提问作者gem_quartz