Python中多列合并并填充NaN值的实现方法

你可以通过透视df1为宽格式，再将其数据更新到df2对应列的方式实现需求，具体步骤如下：

步骤1：统一列名格式（避免大小写不匹配） #

df1里的EVENT_TYPE值是首字母大写（如Tornado），而df2的列名是全大写（如TORNADO），先把df1的事件类型转成全大写，保证后续匹配：

df1['EVENT_TYPE'] = df1['EVENT_TYPE'].str.upper()

步骤2：将df1从长格式转为宽格式 #

用pivot方法把df1转成和df2结构一致的宽表，以STATE和YEAR为索引，事件类型为列，DAMAGE为对应值：

pivoted_df1 = df1.pivot(index=['STATE', 'YEAR'], columns='EVENT_TYPE', values='DAMAGE')

步骤3：将透视后的数据更新到df2中 #

先把df2的索引设为STATE和YEAR，用update方法把pivoted_df1的数值填充到df2对应的列，最后重置索引恢复原结构：

# 设置df2的索引
df2 = df2.set_index(['STATE', 'YEAR'])
# 用透视后的数据更新df2
df2.update(pivoted_df1)
# 重置索引
df2 = df2.reset_index()

执行完以上步骤后，df2就会变成你想要的最终输出：

STATE      YEAR       TORNADO      THUNDERSTORM      FLOOD   
  ALABAMA    1962       27           NaN              7
  ALABAMA    1963       NaN          12               NaN
...

补充说明：如果df1里存在同一STATE+YEAR+EVENT_TYPE的重复数据，建议用pivot_table并指定聚合函数（比如sum）来处理，避免透视报错：

pivoted_df1 = df1.pivot_table(index=['STATE', 'YEAR'], columns='EVENT_TYPE', values='DAMAGE', aggfunc='sum')

内容的提问来源于stack exchange，提问作者David