如何在Pandas中基于两列匹配将DataFrame B的列追加到A？

为什么你的循环会报错？ #

你遇到的Can only compare identically-labeled Series objects错误，是因为循环里用了整个A的Series（A['Visit_Date']、A['ID']）和B的Series做对比——两者的索引长度、标签都不一样，Pandas无法直接进行这种非对齐的比较。

而且Pandas的核心优势是矢量化操作，循环遍历行不仅效率极低（数据量大时慢到无法忍受），还容易出现索引、赋值错误，完全不推荐使用。

正确的实现方法：用pd.merge做左连接 #

直接用Pandas的merge函数，基于ID和Visit_Date两个键做左连接，就能快速把B的Diagnosis列匹配到A中，同时保留A的所有行：

import pandas as pd

dict_A = {
    'ID': ['A_190792','X_210392','B_050490','F_311291','K_010989'],
    'Visit_Date': ['2010-10-31','2011-09-24','2010-01-30','2012-01-01','2013-08-13'],  # 修正原数据中的无效日期格式
    'Score': [30, 23, 42, 23, 31],
}
A = pd.DataFrame(dict_A) 

dict_B = {
    'ID': ['G_090891','A_190792','Z_060791','X_210392','B_050490','F_311291','K_010989','F_230989'],
    'Visit_Date': ['2013-03-01','2010-10-31','2013-04-03','2011-09-24','2010-01-30','2012-01-01','2013-08-13','2014-09-09'],
    'Diagnosis': ['F12', 'G42', 'F34', 'F90', 'G98','G87','F23','G42'],
}
B = pd.DataFrame(dict_B) 

# 左连接：保留A的所有行，匹配B中ID和Visit_Date都一致的Diagnosis
A_with_diagnosis = pd.merge(
    A,
    B[['ID', 'Visit_Date', 'Diagnosis']],  # 只取B中需要的列，避免冗余
    on=['ID', 'Visit_Date'],
    how='left'
)

print(A_with_diagnosis)

关键参数说明： #

• on=['ID', 'Visit_Date']：指定两个匹配键，只有当两行的这两个值都完全一致时才会匹配
• how='left'：以A为基准，保留A的所有行；如果A的某行在B中找不到匹配项，Diagnosis列会填充为NaN
• 提前筛选B的列：只传入需要的Diagnosis及匹配键，避免把B的其他无关列合并进来

关于循环的补充说明 #

如果非要用循环（强烈不推荐），需要修正两个错误：一是用当前行的单个值而非整个Series做判断，二是用正确的索引赋值：

# 仅作错误修正示例，实际开发不要用
A['Diagnosis'] = None
for idx, row in A.iterrows():
    # 用当前行的ID和日期匹配B
    match_rows = B[(B['ID'] == row['ID']) & (B['Visit_Date'] == row['Visit_Date'])]
    if not match_rows.empty:
        A.loc[idx, 'Diagnosis'] = match_rows['Diagnosis'].iloc[0]

但这种方法在数据量超过万行时，速度会比merge慢几十甚至上百倍，完全没必要舍近求远。

内容的提问来源于stack exchange，提问作者user20501139