Pandas使用map方法映射匹配时如何忽略大小写敏感性

现有两个Pandas DataFrame：

import pandas as pd
df1 = pd.DataFrame({'Item': ["jetties","Jetty", "Joint use"], 'Team': ["Team_1", "Team_2", "Team_1"]})
df2 = pd.DataFrame({'Item': ["Jetty","Jetties","Joint use"]})

初始使用map方法做匹配的代码如下：

df2['Team'] = df2['Item'].map(df1.set_index('Item')['Team'])

匹配结果参考：

该匹配逻辑默认大小写敏感，因此Jetties（首字母大写）和df1中存储的jetties（全小写）无法匹配，对应Team列返回NaN，需要实现匹配时忽略大小写的效果。

核心思路是匹配时统一两边的字符串大小写（全转小写/全转大写均可），不修改原始存储的Item值，避免破坏原始数据。

方法1：改造映射逻辑（推荐，写法简洁） #

先将df1的映射键统一转为小写构建映射字典，匹配时将df2的待匹配值也转为小写，即可绕过大小写差异完成匹配：

# 构建大小写不敏感的映射字典，键统一为Item的小写格式
case_insensitive_map = df1.assign(
    match_key=df1['Item'].str.lower()
).set_index('match_key')['Team'].to_dict()

# 匹配时将待匹配字段统一转小写再查映射
df2['Team'] = df2['Item'].str.lower().map(case_insensitive_map)

运行后结果：

注意：如果df1中存在大小写不同但小写后完全一致的重复Item，构建字典时会默认保留最后一条对应的Team值，这类重复数据建议提前做去重处理。

方法2：左连接匹配 #

如果不想用map，也可以通过给两个表都加统一大小写的临时匹配键，用左连接完成匹配后删除临时列：

df2 = df2.assign(
    match_key=df2['Item'].str.lower()
).merge(
    df1.assign(match_key=df1['Item'].str.lower()),
    on='match_key',
    how='left'
).drop(columns='match_key')

该方法逻辑更直观，适合需要同时匹配多列的场景。

内容的提问来源于stack exchange，提问作者toerag