基于category和location匹配填充DataFrame新列并计算衍生字段

需求说明 #

需要实现：当df1的category与df2的CATEGORY、df1的location与df2的LOCATION匹配时，将df2的VALUE填充到df1的新列New中，随后计算calculatedfield = df1['v1']/df1['New']，且必须保留df1所有行（不能因为匹配不到删除行）。

报错情况 #

尝试使用以下代码时触发错误：

df1['New'] = np.where((df1['category'] == df2['CATEGORY']) & (df1['location'] == df2['location']), df2['VALUE'], None)

错误信息：

ValueError: Can only compare identically-labeled Series objects

错误原因 #

np.where里直接用==对比两个Series时，要求两个Series的索引完全一致、行数相同，但df1有8行，df2只有4行，索引和长度都不匹配，所以触发这个错误。这种逐元素对比的方式不适合跨不同长度DataFrame的匹配场景。

解决方案 #

用pandas的merge方法做左连接，左连接会自动保留左表（df1）的所有行，同时按指定键匹配右表（df2）的数据，完美满足需求。

完整代码 #

import pandas as pd

# 构造示例数据（实际使用时替换为你的真实数据）
df1 = pd.DataFrame({
    'category': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
    'location': ['loc1', 'loc1', 'loc2', 'loc2', 'loc1', 'loc1', 'loc2', 'loc2'],
    'type': [1, 2, 1, 2, 1, 2, 1, 2],
    'v1': [2, 4, 6, 8, 10, 12, 14, 16]
})

df2 = pd.DataFrame({
    'CATEGORY': ['A', 'A', 'B', 'B'],
    'LOCATION': ['loc1', 'loc2', 'loc1', 'loc2'],
    'VALUE': [50, 30, 70, 90]
})

# 左连接：保留df1所有行，按指定键匹配df2的数据
df_merged = pd.merge(df1, df2, left_on=['category', 'location'], right_on=['CATEGORY', 'LOCATION'], how='left')

# 重命名VALUE列为New
df_merged['New'] = df_merged['VALUE']
# 计算目标字段，保留两位小数
df_merged['calculatedfield'] = (df_merged['v1'] / df_merged['New']).round(2)

# 整理输出列，移除多余的匹配键列
result = df_merged[['category', 'location', 'type', 'v1', 'New', 'calculatedfield']]
print(result)

输出结果 #

内容的提问来源于stack exchange，提问作者pluret