如何依据Code字段合并两个DataFrame数据集？

你可以使用pandas的pd.merge()方法来实现按Code字段（或结合Date字段）合并两个DataFrame，以下是具体步骤：

1. 构造示例数据（模拟你的数据集） #

import pandas as pd

# DataFrame A
df_a = pd.DataFrame({
    'Date': ['2020-01-01', '2020-01-02'],
    'Code': ['X', 'Y'],
    'Marks': [5, 7]
})

# DataFrame B
df_b = pd.DataFrame({
    'Date': ['2020-01-01', '2020-01-02'],
    'Code': ['X', 'Y'],
    'Win': [8, 0],
    'Lose': [1, 6]
})

2. 执行合并操作 #

方式一：仅按Code字段合并 #

如果只依据Code匹配，但两个DataFrame都有Date列，合并后会生成Date_x（来自df_a）和Date_y（来自df_b）两列：

merged_df = pd.merge(df_a, df_b, on='Code')

方式二：按Date+Code组合合并（推荐，匹配你的期望结果） #

因为你的示例中同一Code对应的Date是一致的，同时按这两个字段合并可以避免重复的Date列，直接得到你想要的结果：

merged_df = pd.merge(df_a, df_b, on=['Date', 'Code'])

合并结果 #

执行方式二后，得到的DataFrame如下：

Date Code  Marks  Win  Lose
0  2020-01-01    X      5    8     1
1  2020-01-02    Y      7    0     6

补充说明 #

• pd.merge()默认是内连接（inner join），只保留两个DataFrame中都存在的匹配行，完全符合你的需求
• 如果需要保留其中一个DataFrame的所有行，可以通过how参数指定：
  • how='left'：保留df_a的所有行，匹配不到的df_b列填充NaN
  • how='right'：保留df_b的所有行，匹配不到的df_a列填充NaN
  • how='outer'：保留两个DataFrame的所有行，匹配不到的列填充NaN

内容的提问来源于stack exchange，提问作者Czz