如何基于另一Pandas DataFrame的值为现有DataFrame新建列

实现方案 #

核心思路是先提取第二个DataFrame中分类标识的首字母作为匹配键，再结合组内序号实现一一对应匹配，示例代码如下：
首先导入依赖：
import pandas as pd

步骤1：构造示例数据（可替换为自己的真实数据）

# 第一个DataFrame，存储A/B/C重复3次的分类列
df1 = pd.DataFrame({
    '分类': ['A','B','C','A','B','C','A','B','C']
    # 其余原有列直接保留即可
})

# 第二个DataFrame，索引为A1/A2/A3/B1/B2/B3/C1/C2/C3格式，存储待匹配的数值
df2 = pd.DataFrame({
    '待匹配数值': [10,20,30,40,50,60,70,80,90]
}, index=['A1','A2','A3','B1','B2','B3','C1','C2','C3'])

步骤2：生成匹配用的辅助字段

# 提取df2索引的首字母作为匹配键
df2['匹配键'] = df2.index.str[0]
# 给df1同分类下的行生成组内序号，匹配A1/A2/A3的后缀序号
df1['组内序号'] = df1.groupby('分类').cumcount() + 1
# 给df2同首字母下的行生成组内序号
df2['组内序号'] = df2.groupby('匹配键').cumcount() + 1

步骤3：关联匹配得到结果

df_result = pd.merge(
    df1,
    df2,
    left_on=['分类', '组内序号'],
    right_on=['匹配键', '组内序号'],
    how='left'
# 删除临时生成的辅助字段
).drop(columns=['匹配键', '组内序号'])

特殊场景调整 #

• 如果你不需要按顺序匹配，只要同字母的所有df2值都关联到对应字母的df1行上，删除组内序号的逻辑，仅用分类和匹配键做关联即可，会自动生成笛卡尔积。
• 如果df2的A1/B1这类标识存在于普通列而非索引中，把df2.index.str[0]替换为df2['你的标识列名'].str[0]即可。

内容的提问来源于stack exchange，提问作者Alex