Pandas匹配两个DataFrame列并返回另一列值的问题

你遇到的核心问题是字符串匹配不严格，导致map方法找不到对应匹配项，最终返回全NaN。以下是具体解决方案：

场景与示例数据 #

df1（银行交易记录） #

Description, Amount    
Corner Store, 30
Cinema, 10
Trampoline Store, 20

df2（自定义分类表） #

Description, Category
Corner Store, Groceries
Cinema, Recreation
The Pub, Alcohol

期望结果 #

Description, Amount, Category
Corner Store, 30, Groceries
Cinema, 10, Recreation
Trampoline Store, 20,

问题原因 #

你原本的代码逻辑本身是正确的，但实际数据中df1['Description']和df2['Description']大概率存在隐形差异：比如字符串前后有空格、大小写不一致、全角/半角字符混存等，导致完全匹配失败，最终返回NaN。

解决方案 #

方案1：清洗字符串后使用map #

先统一处理两个表的Description列，消除隐形差异，再用map匹配，最后将NaN替换为空字符串：

import pandas as pd

# 读取CSV文件
df1 = pd.read_csv('银行交易记录.csv')
df2 = pd.read_csv('自定义分类.csv')

# 清洗字符串：去除前后空白、统一大小写（大小写统一可选，根据实际需求调整）
df1['Description'] = df1['Description'].str.strip().str.lower()
df2['Description'] = df2['Description'].str.strip().str.lower()

# 构建分类映射字典并匹配
category_map = df2.set_index('Description')['Category']
df1['Category'] = df1['Description'].map(category_map).fillna('')

方案2：使用merge左连接（更直观） #

用merge做左连接，保留df1所有行的同时匹配df2的分类，同样先清洗字符串：

import pandas as pd

df1 = pd.read_csv('银行交易记录.csv')
df2 = pd.read_csv('自定义分类.csv')

# 清洗字符串
df1['Description'] = df1['Description'].str.strip()
df2['Description'] = df2['Description'].str.strip()

# 左连接匹配，空值填充为空字符串
df1 = df1.merge(df2, on='Description', how='left').fillna({'Category': ''})

两种方案都能解决问题：merge方法逻辑更直观，适合新手；map方法性能略优，适合大数据量场景。

内容的提问来源于stack exchange，提问作者mapface