如何基于国家名称和年份高效合并两个Pandas DataFrame？

问题场景 #

需要合并两个DataFrame：

• df_GDP：包含国家名称、国家代码、年份、GDP值（rgdpe列）
• df_biofuel_prod：包含国家名称、生物燃料产量（value列）、年份

要求基于国家名称+年份匹配，最终结果保留列：Country、Country code、year、rgdpe、value

当前代码的错误点 #

你写的代码存在三个核心问题：

1. 仅提取了df_GDP的rgdpe列，直接丢失了国家、国家代码、年份等关键信息
2. 关联键完全错误：left_on='Value'（df_biofuel_prod无此列，正确列名是countries），right_on='country'（df_GDP列名是Country，且你只传了rgdpe列，根本没有该字段）
3. 合并方向逻辑混乱，导致结果仅保留rgdpe列，其余为空

正确合并代码 #

import pandas as pd

# 基于国家名称+年份的组合键进行合并
combined = pd.merge(
    left=df_GDP,
    right=df_biofuel_prod,
    left_on=['Country', 'year'],  # df_GDP的匹配键
    right_on=['countries', 'year'],  # df_biofuel_prod的匹配键
    how='inner'  # 仅保留两边都匹配上的数据；若要保留GDP表全部数据，改为how='left'
)

# 整理为预期的列结构，移除重复的countries列
combined = combined[['Country', 'Country code', 'year', 'rgdpe', 'value']]

# 导出到CSV（添加index=False避免导出多余的索引列）
combined.to_csv('../../combined_test.csv', index=False)

代码说明 #

• 使用组合键（国家+年份）匹配，确保同一国家同一年的GDP和产量数据准确对应
• 保留df_GDP的所有必要列，不会丢失国家代码等信息
• 通过how参数控制合并逻辑：
  • inner：只保留两边都有匹配数据的行（适合需要完整匹配的场景）
  • left：保留df_GDP的所有行，无匹配产量的行填充NaN（适合需要完整GDP数据的场景）

内容的提问来源于stack exchange，提问作者Aroune