如何基于Name匹配将Table1的ID赋值给Table2的ID列？

现有两个DataFrame #

Table 1 #

Table 2 #

需求 #

当Name字段匹配时，将Table1中的ID提取并设置为Table2的ID。

问题代码 #

尝试了以下代码但未达到预期：

df2['ID'] = np.where(df['Name'] == df2['Name'], 
                        df['Prompt'], df2['ID'])

代码问题分析 #

1. 变量名错误：代码中使用的df未定义，应对应Table1的df1；同时不存在df['Prompt']字段，实际需要提取的是df1['ID']。
2. 匹配逻辑错误：直接逐元素比较df1['Name'] == df2['Name']会触发广播，无法实现按Name精准匹配的需求。

正确实现方法 #

方法1：使用字典映射（高效简洁） #

先从Table1构建Name到ID的映射关系，再批量匹配Table2的Name字段：

# 从df1创建Name对应ID的字典
name_to_id = df1.set_index('Name')['ID'].to_dict()
# 为df2的ID赋值，匹配不到的保留原空值
df2['ID'] = df2['Name'].map(name_to_id).fillna(df2['ID'])

方法2：使用DataFrame合并（适合复杂场景） #

通过左连接合并两个表，保留Table2的所有行，匹配对应的ID：

# 仅保留df1中需要的Name和ID字段，左连接到df2
merged_result = df2.merge(df1[['Name', 'ID']], on='Name', how='left', suffixes=('_old', '_new'))
# 用匹配到的新ID替换原ID，无匹配的保留原空值
df2['ID'] = merged_result['ID_new'].fillna(merged_result['ID_old'])

内容的提问来源于stack exchange，提问作者Janzen Liu