基于条件合并两个Pandas DataFrame的简便方法

直接用Pandas的pivot（或pivot_table）先把DataFrame B转成宽表，再和DataFrame A合并，比拆分后逐个合并高效太多。

步骤示例 #

先构造模拟数据（和你的场景匹配）：

import pandas as pd

# 你的DataFrame A
df_a = pd.DataFrame({
    'ID': [1, 2, 3],
    'item': ['苹果', '香蕉', '橙子']
})

# 你的DataFrame B
df_b = pd.DataFrame({
    'ID': [1, 1, 2, 3, 3],
    'flag': ['S1', 'S2', 'S1', 'S2', 'S3'],
    'price ($)': [5, 4.5, 3, 6, 5.8]
})

1. 把DataFrame B转成宽表

用pivot将不同flag对应的price转为单独列：

# 透视操作，ID作为主键，flag转成列，price作为值
df_b_pivot = df_b.pivot(index='ID', columns='flag', values='price ($)').reset_index()

# 给列名加前缀（可选，避免列名太简洁）
df_b_pivot.columns = ['ID'] + [f'price_{flag}' for flag in df_b_pivot.columns[1:]]

如果DataFrame B中存在同一个ID+flag的重复数据，用pivot_table更安全（可以指定聚合规则，比如取均值）：

df_b_pivot = df_b.pivot_table(
    index='ID',
    columns='flag',
    values='price ($)',
    aggfunc='mean'  # 重复数据取均值，也可以用sum、first等
).reset_index()
df_b_pivot.columns = ['ID'] + [f'price_{flag}' for flag in df_b_pivot.columns[1:]]

2. 和DataFrame A合并

用左连接保证A的所有数据都保留：

df_c = df_a.merge(df_b_pivot, on='ID', how='left')

最终得到的df_c就是你想要的结果，没有对应flag的商品会显示NaN，符合业务逻辑。

内容的提问来源于stack exchange，提问作者Bloom