如何实现两个DataFrame匹配合并 插入经纬度列用于地图可视化

你现在的核心问题是两个数据集没有统一的关联键，且字段值存在格式、拼写不一致的问题，按以下步骤处理即可拿到可用于地图可视化的数据集：

1 清洗关联字段，统一匹配规则 #

两个数据集靠城市/地区名关联，必须先做标准化，否则会出现大量匹配失败的情况：

• 把经纬度数据集df1的city列、选举数据集election_df2的District列所有值统一转为小写，去掉首尾空格、特殊字符
• 修正字段值的拼写错误，比如样例里选举数据集里卡拉奇的拼写是Karchi，和经纬度数据集里的karachi不一致，必须提前修正，所有拼写错的地区名都要整理成替换字典统一处理
• 参考代码：

import pandas as pd

# 清洗经纬度表的城市字段
df1["city_match"] = df1["city"].str.strip().str.lower()

# 清洗选举表的地区字段
election_df2["district_match"] = election_df2["District"].str.strip().str.lower()
# 修正拼写错误，实际使用时把所有错拼的地区补到字典里
spell_correction = {"karchi": "karachi"}
election_df2["district_match"] = election_df2["district_match"].replace(spell_correction)

2 聚合得到每个选区的胜选政党 #

你需要展示的是各选区占比最高的政党，不要直接用候选人维度的原始数据合并，先做聚合：

• 按选区名称ConstituencyTitle分组，取每个组里得票数Votes最高的记录，就是该选区的胜选方
• 参考代码：

# 按得票降序排序，每个选区取第一条即为最高票候选人/政党
winner_df = election_df2.sort_values("Votes", ascending=False)\
    .groupby("ConstituencyTitle", as_index=False).first()

3 关联合并两个数据集 #

用清洗好的匹配字段做左连接，把经纬度信息挂到胜选数据上：

# 左连接保留所有选区的胜选数据，匹配对应经纬度
final_for_map = pd.merge(
    left=winner_df,
    right=df1[["city_match", "lat", "lon"]],
    left_on="district_match",
    right_on="city_match",
    how="left"
)

# 一定要检查匹配结果，统计没匹配到经纬度的行，手动补全缺失的经纬度
print(f"未匹配到经纬度的选区共 {final_for_map['lat'].isna().sum()} 个")

4 可视化注意事项 #

拿到final_for_map表之后就可以直接做地图打点可视化，按Party字段给不同政党分配不同颜色即可：

• 如果同一个城市对应多个选区，同经纬度的点会重叠，可以给同城市的点加微小的经纬度偏移，避免点叠在一起看不清
• 如果要做更精准的选区填色图，可以替换成巴基斯坦选区边界的GeoJSON文件，按选区名称关联数据做面渲染，效果比打点更准确。

内容的提问来源于stack exchange，提问作者Abdul Wahab