如何匹配不同长度数据集取值，为df2新增对应Regio列

实现步骤 #

1. 统一邮编字段格式（解决此前匹配失败的核心问题） #

两个数据集标签不一致大多是因为邮编的格式、数据类型不匹配，先做标准化处理：

# 两边邮编统一转字符串格式，去除首尾空格、特殊符号
df1['Postcode'] = df1['Postcode'].astype(str).str.strip()
df2['Postcode'] = df2['Postcode'].astype(str).str.strip()

如果df2的邮编列名不是Postcode，把上面第二行的列名替换为df2实际的邮编列名即可。

2. 生成映射字典并匹配 #

这种小映射表匹配用map方法效率最高，不会改变df2的原有顺序和行数：

# 生成邮编-地区映射字典
pc_regio_map = df1.set_index('Postcode')['Regio'].to_dict()
# 给df2新增Regio列
df2['Regio'] = df2['Postcode'].map(pc_regio_map)

3. 可选：处理未匹配到的空值 #

如果存在df2的邮编不在df1映射表中的情况，匹配结果会返回NaN，可根据业务需求填充默认值：

df2['Regio'] = df2['Regio'].fillna('未匹配到对应地区')

备选方案：用merge实现 #

如果你习惯用关联操作，也可以用左连接实现，效果完全一致：

df2 = df2.merge(
    df1[['Postcode', 'Regio']], # 只取需要的两列关联
    on='Postcode', # 两边关联键名一致时用on，不一致可分别指定left_on、right_on
    how='left' # 左连接保证df2的行数完全不变
)

常见匹配失败排查点 #

• 邮编存在大小写差异：比如带字母的邮编（部分国家邮编含字母），可加.str.upper()或.str.lower()统一大小写
• 邮编包含特殊字符：比如横杠、括号等，可用.str.replace(r'[^0-9a-zA-Z]', '', regex=True)清理非字母数字字符
• df1存在重复的邮编：先对df1去重df1 = df1.drop_duplicates('Postcode')，避免映射出错

内容的提问来源于stack exchange，提问作者Ali T. Gunbay