Pandas匹配两个DataFrame并按分类汇总各年度数值该如何实现？

匹配失败原因 #

df1.Thing.isin(df2)返回全False是因为isin()方法传入DataFrame时会按行匹配，而非遍历df2所有单元格匹配物品名称，所以无法得到预期结果。

1. 转换df2为物品-品类映射表
   你当前的df2是宽表存储，需要先重塑为每行对应一个物品和其所属品类的长表结构：

# 融化df2，把所有物品列转成行，删除无物品的空值行
df2_long = df2.melt(id_vars=df2.columns[0], value_name="Thing").dropna(subset=["Thing"])
# 重命名品类列
df2_long = df2_long.rename(columns={df2.columns[0]: "品类"})

2. 关联品类信息到df1
   把品类字段合并到存储年度数值的df1中：

df1 = df1.merge(df2_long[["品类", "Thing"]], on="Thing", how="left")

3. 按品类分组汇总年度数值
   按品类维度分组，对各年度字段求和即可得到结果：

result = df1.groupby("品类")[["2010", "2011", "2012"]].sum()

得到的result就是你需要的输出格式，索引为品类名，列是各年度汇总值。

内容的提问来源于stack exchange，提问作者user13998985