Pandas合并DataFrame时仅将新增列NaN填充为0的实现方法

pandas的merge方法本身没有fill参数，你之前的写法触发报错属于正常情况。要实现仅填充合并新增列的NaN，可按以下步骤操作：

实现步骤 #

1. 先完成两个DataFrame的左合并，和你现有代码一致：

df3 = pd.merge(df2, grouped_df_one, on=['id', 'host_id'], how='left')

2. 筛选出合并产生的新增列（即grouped_df_one中除了合并键之外的所有列），仅对这些列执行NaN填充为0的操作：

# 提取新增列名称：排除合并用的公共键id、host_id
add_columns = grouped_df_one.columns.drop(['id', 'host_id'])
# 仅对新增列填充NaN为0，同时可转为int类型匹配独热编码的数值格式
df3[add_columns] = df3[add_columns].fillna(0).astype(int)

完整可运行代码（基于你提供的测试数据） #

import pandas as pd
import numpy as np

d = {'host_id': [1, 1, 2],
     'id': [10, 11, 20],
     'value': ["Hot Water,Cold Water,Kitchen,Coffee", 
               "Hot Water,Coffee,Something",
               "Hot Water,Coffee"]}
df = pd.DataFrame(data=d)

d2 = {'host_id': [1, 1, 2, 3],
     'id': [10, 11, 20, 30],
     'some': ['test1', "test2", "test3", np.nan]}
df2 = pd.DataFrame(data=d2)

df_path = df.copy()
df_path.index = pd.MultiIndex.from_arrays(df_path[['host_id', 'id']].values.T, names=['host_id', 'id'])
df_path = df_path['value'].str.split(',', expand=True)
df_path = df_path.melt(ignore_index=False).dropna()
df_path.reset_index(inplace=True)

one_hot = pd.get_dummies(df_path['value'])
df_one = df_path.drop('value',axis = 1)
df_one = df_path.join(one_hot)

grouped_df_one = df_one.groupby(['id']).max(numeric_only=True)
grouped_df_one = grouped_df_one.drop(columns=['variable']).reset_index()

# 合并
df3 = pd.merge(df2, grouped_df_one, on=['id', 'host_id'], how='left')
# 仅填充新增列的NaN为0
add_columns = grouped_df_one.columns.drop(['id', 'host_id'])
df3[add_columns] = df3[add_columns].fillna(0).astype(int)

print(df3)

运行后得到的结果和你期望的完全一致，原有df2的some列的NaN会被保留，仅独热编码列的NaN填充为0。

内容的提问来源于stack exchange，提问作者Test