如何基于不同长度DataFrame的关联字段为其新增列？

问题原因分析 #

• 你用pd.merge没得到预期结果，大概率是没指定正确的连接方式（默认是inner，仅保留两边都匹配的行），或是没筛选需要合并的列导致引入了多余字段。
• 列表推导式报错是因为observations['scientific_name'] == species['scientific_name']是两个Series的逐元素比较，返回布尔数组，无法实现按scientific_name逐一匹配的逻辑，最终生成的列表长度和observations不一致，触发值错误。

正确解决方案 #

方案1：使用pd.merge（逻辑清晰，推荐） #

用左连接（how='left'）保留observations的所有行，只合并species中需要的字段：

import pandas as pd

# 提取species中仅需的两列，避免引入多余字段
species_subset = species[['scientific_name', 'category']]
# 以scientific_name为匹配键，左连接保留observations全部行
observations = pd.merge(observations, species_subset, on='scientific_name', how='left')

执行后observations会新增category列，匹配不到的行会填充NaN。

方案2：使用map方法（高效，适合大数据量） #

先把species转换成scientific_name到category的映射字典，再快速匹配：

# 构建科学名到类别的映射字典
category_map = species.set_index('scientific_name')['category'].to_dict()
# 为observations新增category列
observations['category'] = observations['scientific_name'].map(category_map)

这种方法比merge更高效，尤其适合数据量较大的场景。

内容的提问来源于stack exchange，提问作者programmerInTraining04