如何将pandas指定列映射到不同的DataFrame中

你可以通过以下两种简单方式实现需求，两种方法都基于「同一地点对应固定经纬度」的前提，和示例数据逻辑完全匹配。

原始示例数据 #

首先复现测试用的两个DataFrame：

import pandas as pd

df1 = pd.DataFrame({
     'place': ["London", "Paris", "Berlin", "London", "Berlin"],
     'sale': [12, 6, 4, 3, 14],
     'lat': [54, 23, 13, 54, 13],
     'lon': [13, 32, 64, 13, 64],
     })

df2 = pd.DataFrame({
     'place': ["London", "Paris", "Berlin"],
     'sale_sum': [15, 6, 18],
     })

方法1：去重后合并（推荐，通用性强） #

先从原始表中提取每个地点唯一对应的经纬度，再通过merge关联到聚合结果表，是最稳妥的实现方式：

# 提取地点-经纬度的唯一对应关系，剔除重复记录
place_coord_mapping = df1[['place', 'lat', 'lon']].drop_duplicates()
# 按place字段左连接，保留df2的所有聚合结果
final_df = df2.merge(place_coord_mapping, on='place', how='left')

执行后final_df输出如下，完全符合预期结果：

place  sale_sum  lat  lon
0  London        15   54   13
1   Paris         6   23   32
2  Berlin        18   13   64

方法2：字典映射赋值（适合少量字段场景） #

如果需要追加的字段不多，可以直接构造映射字典给df2新增列，代码更简洁：

# 生成地点到经纬度的映射字典
lat_dict = df1.drop_duplicates('place').set_index('place')['lat'].to_dict()
lon_dict = df1.drop_duplicates('place').set_index('place')['lon'].to_dict()

# 直接为df2追加经纬度列
df2['lat'] = df2['place'].map(lat_dict)
df2['lon'] = df2['place'].map(lon_dict)

执行后df2会直接更新为目标结果表，无需额外赋值新变量。

注意：如果原始数据中存在同一个地点对应多组不同经纬度的异常值，需要先清洗数据再做关联，否则会出现合并后行数超出预期的问题。

内容的提问来源于stack exchange，提问作者PParker