如何在Python Pandas中基于第二个DataFrame多列合并两个DataFrame

首先构造示例数据：

import pandas as pd

# 构造示例df1、df2
df1 = pd.DataFrame({'ID': [11, 22, 33, 44]})
df2 = pd.DataFrame({
    'ID1': [11, 88, 99],
    'ID2': [5, 22, 45],
    'ID3': [114, 18, 33]
})

方法一：映射字典法（适合小数据量，逻辑直观） #

按优先级构建ID到df2行的映射，再直接匹配填充：

# 按优先级1、2、3依次构建匹配映射，高优先级不会被低优先级覆盖
match_map = {}
# 优先级1：匹配ID1
for _, row in df2.iterrows():
    if row['ID1'] not in match_map:
        match_map[row['ID1']] = row
# 优先级2：匹配ID2
for _, row in df2.iterrows():
    if row['ID2'] not in match_map:
        match_map[row['ID2']] = row
# 优先级3：匹配ID3
for _, row in df2.iterrows():
    if row['ID3'] not in match_map:
        match_map[row['ID3']] = row

# 匹配生成结果
result = df1.copy()
matched = result['ID'].map(match_map)
result[['ID1', 'ID2', 'ID3']] = pd.DataFrame(matched.tolist(), index=result.index)
# 匹配失败填充默认值123456
result = result.fillna(123456).astype(int)

方法二：左连接合并法（适合大数据量，性能更优） #

通过三次左连接按优先级合并结果，避免循环：

# 按优先级依次左连接，用combine_first保留高优先级匹配结果
res = df1.merge(df2, left_on='ID', right_on='ID1', how='left')
res = res.combine_first(df1.merge(df2, left_on='ID', right_on='ID2', how='left'))
res = res.combine_first(df1.merge(df2, left_on='ID', right_on='ID3', how='left'))
# 填充默认值
res = res.fillna(123456).astype(int)

最终输出结果 #

两种方法得到的结果一致：

内容的提问来源于stack exchange，提问作者dingaro