Python Pandas如何按Name匹配合并两个DataFrame生成新表

核心逻辑 #

两个DataFrame通过公共字段Name做关联匹配即可：df1存储的是人员-所属团队的固定映射关系，df2存储的是按日期记录的人员状态全量明细。我们以明细数据所在的df2为基表做左连接，就能在不丢失任何一条原有状态记录的前提下，给每条记录匹配上对应的Team值，完全符合需求。

完整代码 #

首先确保已经安装pandas库，之后按如下步骤编写代码：

import pandas as pd

# ----------------------
# 1. 构造测试数据（实际使用时替换为自己的df1、df2读取逻辑即可）
# ----------------------
df1 = pd.DataFrame({
    'Name': ['John', 'Nathan', 'Eric'],
    'Team': ['A', 'B', 'C']
})

df2 = pd.DataFrame({
    'Date': ['01/01/2022', '02/01/2022', '03/01/2022', 
             '01/01/2022', '02/01/2022', '03/01/2022', '04/01/2022'],
    'Name': ['John', 'John', 'John', 'Nathan', 'Nathan', 'Eric', 'Eric'],
    'Status': ['Active', 'Active', 'Active', 'Active', 
               'Active', 'Deactivated', 'Active']
})

# ----------------------
# 2. 核心关联合并逻辑
# ----------------------
# 以Name为关联键，左连接保留df2全部明细
df3 = df2.merge(df1, on='Name', how='left')

# 如果需要和示例一样把最后一列列名改为小写team，加这一行即可
df3 = df3.rename(columns={'Team': 'team'})

# ----------------------
# 3. 结果校验
# ----------------------
print(df3)

运行后输出结果和要求的df3结构完全一致：

Date    Name       Status team
0  01/01/2022    John       Active    A
1  02/01/2022    John       Active    A
2  03/01/2022    John       Active    A
3  01/01/2022  Nathan       Active    B
4  02/01/2022  Nathan       Active    B
5  03/01/2022    Eric  Deactivated    C
6  04/01/2022    Eric       Active    C

注意事项 #

• 如果数据里Name字段存在首尾空格、大小写不统一的情况，很容易出现匹配失败、Team列空值的问题，合并前可以先做简单清洗：

  df1['Name'] = df1['Name'].str.strip().str.title()
  df2['Name'] = df2['Name'].str.strip().str.title()
  

• 合并完成后可以用df3[df3['team'].isna()]查看有没有匹配失败的记录，如果有输出说明df2里存在df1未登记团队信息的人员，需要补全维度数据。
• 如果确定两个表的Name值完全一一对应没有缺失，把how='left'换成how='inner'得到的结果一致，但左连接容错性更高，不会意外丢失明细数据。

内容的提问来源于stack exchange，提问作者Isaac Portes