Python：如何将df2温度数据匹配合并至df1对应城市与月份？

以下提供两种实用方法实现需求，先构造示例数据方便你直接测试验证：

示例数据构造 #

import pandas as pd

# df1：包含州、城市、日期记录
df1 = pd.DataFrame({
    'State': ['SP', 'RJ', 'MG', 'SP'],
    'City': ['Sao Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Campinas'],
    'Dates': pd.to_datetime(['2023-03-15', '2023-04-20', '2023-05-10', '2023-03-05'])
})

# df2：对应城市的3/4/5月平均气温数据
df2 = pd.DataFrame({
    'City': ['Sao Paulo', 'Rio de Janeiro', 'Belo Horizonte'],
    'MAR': [25.5, 27.2, 24.8],
    'APR': [23.1, 25.6, 22.9],
    'MAY': [20.8, 23.3, 20.5]
})

方法1：合并后用lookup匹配气温 #

步骤直观，适合中小型数据集：

1. 内连接合并两表：仅保留两表中匹配的城市

merged_df = pd.merge(df1, df2, on='City', how='inner')

2. 提取日期对应的月份缩写：转大写以匹配df2的列名（MAR/APR/MAY）

merged_df['Month'] = merged_df['Dates'].dt.strftime('%b').upper()

3. 匹配对应月份气温：用lookup快速定位列值生成Temp列

merged_df['Temp'] = merged_df.lookup(merged_df.index, merged_df['Month'])

# 清理冗余列（可选操作）
final_df = merged_df.drop(['MAR', 'APR', 'MAY', 'Month'], axis=1)

方法2：将df2转长格式后合并 #

灵活性更强，适合大型数据集或需扩展到更多月份的场景：

1. 将df2转为长格式：把月份列拆成行数据

df2_melted = df2.melt(id_vars='City', var_name='Month', value_name='Temp')

2. 匹配城市与月份合并：直接关联df1的城市和提取的月份缩写

merged_df = pd.merge(
    df1,
    df2_melted,
    left_on=['City', df1['Dates'].dt.strftime('%b').upper()],
    right_on=['City', 'Month'],
    how='inner'
).drop('Month', axis=1)

关键注意事项 #

• 确保df1['Dates']是datetime类型，若不是先做转换：df1['Dates'] = pd.to_datetime(df1['Dates'])
• 若存在同市不同州的重复城市，合并时需同时匹配State和City，即把on='City'改为on=['State','City']

内容的提问来源于stack exchange，提问作者MCly