如何基于匹配条件在Pandas的不同DataFrame间映射对应值

原代码报错原因 #

• on 参数错误传入了列表变量 codes1，而非DataFrame的列名，且两个待匹配表的关联列命名不一致（df1为codes1，df2为codes2），无法直接通过on参数指定关联字段
• 关联方式错误选择了outer外连接，会额外保留df2独有的行，不符合保留全部df1行的需求

推荐实现方法 #

方法1：merge实现（适合常规规模数据集） #

# 分别指定左右表的关联列，用左连接保留df1全部行
res = df1.merge(df2, left_on='codes1', right_on='codes2', how='left')
# 移除冗余的codes2列，空值替换为空字符串
res = res.drop(columns=['codes2']).fillna('')

方法2：map映射实现（更适合超大数据集，性能更高） #

将df2转换为编码-姓名的映射字典后直接匹配，无需做表连接运算，内存占用和运算速度都远优于merge，适合超大数据场景：

# 生成编码到姓名的映射字典
code_map = df2.set_index('codes2')['names'].to_dict()
# 对df1的编码列做映射，空值填充为空字符串
df1['names'] = df1['codes1'].map(code_map).fillna('')

运行后df1就是你需要的结果。 #

内容的提问来源于stack exchange，提问作者stanvooz