如何在两个Pandas DataFrame间根据ID匹配复制日期数据

这里提供两种实用方法，帮你快速实现从main_df向second_df按ID匹配复制日期的需求：

方法一：使用merge（推荐，适配重复ID场景） #

通过左连接（left join）关联两个DataFrame，自动匹配对应ID的日期，同时保留second_df的所有行：

import pandas as pd

# 初始化数据
main_df = pd.DataFrame({
    "id": [123, 456, 789, 357, 159], 
    "date": [None, "2022-10-10", "2022-09-15", None, "2022-09-15"], 
    "stuff": [3, 6, 2, 9, 3]
})

second_df = pd.DataFrame({
    "id": [321, 456, 789, 789, 351], 
    "stuff": [3, 6, 2, 4]
})

# 左连接：保留second_df所有行，匹配main_df的date列
result_df = pd.merge(second_df, main_df[["id", "date"]], on="id", how="left")
# 按需去重（匹配预期结果，去除重复的id+stuff组合）
result_df = result_df.drop_duplicates(subset=["id", "stuff"], keep="first")
print(result_df)

执行后会得到你预期的结果：未匹配到ID的行date列自动填充NaN，匹配到的行对应日期会被复制过来。

方法二：使用map（简洁高效，适合ID唯一场景） #

先从main_df构建ID到日期的映射字典，再通过map方法快速给second_df添加日期列：

import pandas as pd

# 初始化数据
main_df = pd.DataFrame({
    "id": [123, 456, 789, 357, 159], 
    "date": [None, "2022-10-10", "2022-09-15", None, "2022-09-15"], 
    "stuff": [3, 6, 2, 9, 3]
})

second_df = pd.DataFrame({
    "id": [321, 456, 789, 789, 351], 
    "stuff": [3, 6, 2, 4]
})

# 构建id到date的映射字典（若main_df有重复ID，会保留最后一个匹配的日期）
id_date_map = main_df.set_index("id")["date"].to_dict()

# 给second_df添加date列
second_df["date"] = second_df["id"].map(id_date_map)
# 按需去重
second_df = second_df.drop_duplicates(subset=["id", "stuff"], keep="first")
print(second_df)

方法对比 #

• merge：适合处理存在重复ID、需要更复杂关联逻辑的场景，灵活性更高；
• map：代码更简洁，执行效率更高，适合main_df中ID唯一的场景。

内容的提问来源于stack exchange，提问作者antusystem