pandas无唯一标识列时实现df2到df1列映射的问题求解

• 未显式指定merge关联键：虽然本次数据中仅participant、Movement_type两个列同名，pandas默认会用这两个列做关联，但隐式关联可读性差，后续列名变动会直接导致逻辑出错。
• 索引对齐风险：单独提取df1的两列做merge操作，得到的结果索引是重新生成的，若df2存在重复的关联键组合导致行膨胀，直接赋值回原df1会出现索引错位，值匹配错误。
• 未过滤无匹配数据：df1中存在df2没有的关联组合（1197+A），左连接后该行completion_time为NaN，目标结果需要排除这类无匹配的行。

方法1：显式关联merge（可读性高） #

直接基于完整df1和df2的指定列做关联，过滤无匹配数据即可得到目标结果：

df3 = df1.merge(
    df2[["participant", "Movement_type", "completion_time"]],
    on=["participant", "Movement_type"],
    how="left"
).dropna(subset=["completion_time"]).reset_index(drop=True)

方法2：字典映射（性能更高，适合大表场景） #

将df2的关联键和目标值预制成映射字典，直接给df1做列映射：

# 制作多级索引映射字典
completion_map = df2.set_index(["participant", "Movement_type"])["completion_time"].to_dict()
# 映射赋值
df1["completion_time"] = df1.set_index(["participant", "Movement_type"]).index.map(completion_map)
# 过滤无匹配行得到结果
df3 = df1.dropna(subset=["completion_time"]).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者London-35