Python Pandas中如何基于关联字段跨表取值实现表连接

你的现有写法逻辑正确，但可以通过优化操作顺序、采用链式写法让代码更简洁、性能更好，同时规避容易出错的细节问题。

优化思路 #

• 不需要等合并完成后再筛选列，提前把主表中用不到的Supplier、Ship_From字段过滤掉，减少合并过程处理的数据量，数据量级大时性能提升明显
• 用链式写法整合多步操作，避免多次赋值中间变量，同时不推荐使用inplace=True参数（Pandas官方已不推荐该写法，后续版本存在兼容性风险）
• 注意字段名大小写匹配：你的示例中主表字段是大写开头的Description，原代码里写的小写description会触发字段不存在的报错

推荐代码实现 #

# 链式写法完成合并、去重，逻辑清晰性能更好
result = (
    orders
    .merge(
        # 提前只取主表需要的关联键和结果字段，过滤冗余列
        master[['item_id', 'Description']],
        on="item_id",
        how="left"
    )
    .drop_duplicates(keep="first")
)

额外说明 #

• drop_duplicates里参数subset=None、keep='first'都是默认值，不需要额外声明，写出来仅作语义明确用
• 如果你的数据符合业务常规约束：Orders表的(Date, item_id)组合无重复、Master主表的item_id是唯一主键，那左连不会产生额外重复行，可以直接省略去重步骤，代码可以进一步简化：

# 关联键均唯一时可省略去重
result = orders.merge(master[['item_id', 'Description']], on="item_id", how="left")

运行上述代码得到的结果完全匹配你给出的预期输出，仅包含Date、item_id、Description三个字段，关联值一一对应。

内容的提问来源于stack exchange，提问作者Sriya TR