基于两个不同DataFrame匹配数据填充布尔列的实现咨询

核心思路 #

• 先将contract_df的宽表结构（1/2/3为列名）转换为可匹配的长表结构
• 按匹配规则（Num=VenNum、FiscalPeriod取值匹配、CC列对应df的Bool列名）关联两个表
• 替换原df中的Bool列值得到结果

代码实现 #

首先导入依赖：

import pandas as pd

构造示例数据（真实数据场景可跳过） #

# 构造原始df
df = pd.DataFrame({
    'VenNum': ['001', '002'],
    'FiscalPeriod': [1, 3],
    'Bool1': [False, False],
    'Bool2': [False, False],
    'Bool3': [False, False]
})

# 构造合同表contract_df
contract_df = pd.DataFrame({
    'Num': ['001','001','001','002','002','002'],
    'CC': ['Bool1','Bool2','Bool3','Bool1','Bool2','Bool3'],
    1: [True, True, True, False, False, False],
    2: [False, False, False, False, False, False],
    3: [False, False, False, True, True, True]
})

数据处理逻辑 #

# 1. 重塑contract_df，把1/2/3列转为行，统一FiscalPeriod字段类型避免匹配失败
contract_melt = contract_df.melt(
    id_vars=['Num', 'CC'],
    var_name='FiscalPeriod',
    value_name='bool_val'
)
contract_melt['FiscalPeriod'] = contract_melt['FiscalPeriod'].astype(int)

# 2. 把contract转为和df结构对齐的宽表
contract_pivot = contract_melt.pivot(
    index=['Num', 'FiscalPeriod'],
    columns='CC',
    values='bool_val'
).reset_index()

# 3. 关联两个表，替换Bool列值
result = df.drop(columns=['Bool1','Bool2','Bool3']).merge(
    contract_pivot,
    left_on=['VenNum', 'FiscalPeriod'],
    right_on=['Num', 'FiscalPeriod'],
    how='left'
).drop(columns='Num')

结果输出 #

执行print(result)即可得到目标结构：

注意事项 #

• 如果存在匹配不到的场景，可在merge后加上.fillna(False)保留原始的False默认值
• 务必确保两个表的VenNum/Num、FiscalPeriod字段类型一致，避免关联异常

内容的提问来源于stack exchange，提问作者FH_Mad_SWF