如何实现两个DataFrame间的字段匹配并自动填充缺失列null值

核心用pandas原生的列重索引能力就能实现，不需要额外构造空的目标DataFrame做匹配，一行代码就能完成「缺列补null、多余列过滤、列顺序统一」的需求。

实现步骤 #

• 提前整理好标准化输出要求的全量字段列表，按你需要的输出顺序排列即可
• 对API返回的原始DataFrame调用reindex方法指定列，pandas会自动对不存在的列填充空值（NaN/Null）
• 按需做格式转换，比如把pandas默认的NaN转成通用的None（null）格式

代码示例 #

import pandas as pd

# 替换成你自己预先定义好的全量目标字段，按输出顺序排列
TARGET_FIELDS = [
    "address_id",
    "street",
    "direction",
    "street_number",
    "city",
    "district",
    "postcode",
    "country",
    "longitude",
    "latitude"
]

# api_df 为接口响应解析后得到的原始DataFrame，字段数不固定
# 例：本次接口只返回了4个字段
api_df = pd.DataFrame([
    {"address_id": 1, "city": "上海", "postcode": "200000", "country": "中国"},
    {"address_id": 2, "city": "北京", "postcode": "100000", "country": "中国"}
])

# 核心逻辑：按目标字段做列对齐，缺省字段自动补null
standard_df = api_df.reindex(columns=TARGET_FIELDS)

# 可选：将pandas默认的NaN值转换为通用None（即接口/数据库识别的null）
standard_df = standard_df.where(pd.notnull(standard_df), None)

常见适配调整 #

如果需要保留API返回的、不在预设目标列表里的额外字段，可以用以下写法，预设字段会排在最前面，额外字段跟在后面：

extra_cols = [col for col in api_df.columns if col not in TARGET_FIELDS]
standard_df = api_df.reindex(columns=TARGET_FIELDS + extra_cols)

如果需要给不同类型的缺省字段指定默认值而非null，可以在对齐后调用fillna，比如字符串类型缺省填空字符串、数值类型缺省填0：

fill_rule = {"street": "", "direction": "", "longitude": 0.0, "latitude": 0.0}
standard_df = standard_df.fillna(fill_rule)

内容的提问来源于stack exchange，提问作者kiran u