基于provider_name匹配两个pandas DataFrame新增指定列

你这个场景是典型的「小维度表给大事实表做属性匹配」，最简洁高效的写法是用pandas的映射匹配，不需要写循环，2万多行数据毫秒级就能跑完，还不会打乱原表顺序。

• 第一步：从第二个信息表提取匹配用的映射关系，样例里第二个表共345行，每个provider_name只对应唯一一条机构记录，直接把机构名设为索引，取需要的两列即可：

attr_map = df2.set_index('provider_name')[['ownership_type', 'total_number_of_beds']]

如果后续第二个表可能出现同一个机构多条重复记录的情况，加个去重逻辑更稳妥：

attr_map = df2.drop_duplicates('provider_name').set_index('provider_name')[['ownership_type', 'total_number_of_beds']]

• 第二步：直接按provider_name做映射赋值到第一个表即可，同一个机构名对应的所有行都会自动填充上匹配到的属性值：

df1[['ownership_type', 'total_number_of_beds']] = df1['provider_name'].map(attr_map)

如果有部分机构名在第二个表里找不到对应信息，匹配结果会是空值，你可以根据业务需要填充默认值，比如：

df1[['ownership_type', 'total_number_of_beds']] = (
    df1['provider_name']
    .map(attr_map)
    .fillna({'ownership_type': '未知', 'total_number_of_beds': 0})
)

如果你更习惯用表连接的写法，用左连接也能实现同样效果，注意要指定how='left'保留第一个表的所有行：

df1 = df1.merge(
    df2[['provider_name', 'ownership_type', 'total_number_of_beds']].drop_duplicates('provider_name'),
    on='provider_name',
    how='left'
)

对比下来map的写法性能更好，不会出现merge可能带来的行顺序偏移、同名列自动加后缀的问题，更适合单键匹配补列的场景。

内容的提问来源于stack exchange，提问作者Frederick Almond