Pandas如何匹配两个不同DataFrame的Request ID列并复制对应联系人邮箱

• 你的代码中df.loc['Request ID']的作用是从DataFrame的行索引中查找名为Request ID的行，而非提取Request ID列，所以触发了KeyError，提示你给出的ID值不存在于行索引中
• 即使修正了取列的写法，直接用if判断两个Series是否相等的逻辑也不符合pandas的向量化操作规则，无法实现逐行匹配的需求

下面给出两种常用的实现方案：

方案1：左连接实现（更稳妥，适合多字段匹配场景） #

通过pandas的merge左连接能力，在保留df2所有原始行和字段的前提下，匹配对应Contact E-mail值：

# 仅取df1中匹配需要的字段做左连接
df2 = df2.merge(
    df1[['Request ID', 'Contact E-mail']],
    on='Request ID',
    how='left'
).rename(columns={'Contact E-mail': 'Email'})

# 将无匹配的空值替换为空字符串
df2['Email'] = df2['Email'].fillna('')

方案2：映射字典实现（代码更简洁，适合单字段匹配场景） #

先将df1的Request ID和Contact E-mail做成映射字典，再对df2的Request ID做映射填充：

# 生成ID到邮箱的映射字典
id_email_map = df1.set_index('Request ID')['Contact E-mail'].to_dict()
# 映射填充新列，无匹配项自动填充空值后替换为空字符串
df2['Email'] = df2['Request ID'].map(id_email_map).fillna('')

如果运行后所有Email值都为空，大概率是两个DataFrame的Request ID列数据类型不一致导致的（比如一个为整数类型、一个为字符串类型），可先统一类型后再运行匹配逻辑：

# 统一转为字符串类型
df1['Request ID'] = df1['Request ID'].astype(str)
df2['Request ID'] = df2['Request ID'].astype(str)

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