Pandas如何基于f_uuid关联键将另一DataFrame的i_uuid列合并到目标表

以下是基于Python Pandas库的两种常用实现方法：

方法1：merge左连接（通用方案，适合绝大多数场景） #

直接通过左连接关联两个DataFrame，完全保留第一个表的所有行，匹配成功的行自动填充对应i_uuid，未匹配的行默认填充NaN：

import pandas as pd

# 假设df1是第一个DataFrame，df2是第二个仅存f_uuid和i_uuid的DataFrame
df1 = df1.merge(df2, on='f_uuid', how='left')

• 如果你需要将未匹配行的NaN替换为自定义默认值，可以新增一步填充逻辑：

# 示例替换为空白字符串，可按需修改为其他值
df1['i_uuid'] = df1['i_uuid'].fillna('')

方法2：map映射（小体量数据速度更快） #

先将第二个表转为f_uuid到i_uuid的映射字典，再给第一个表赋值新列：

# 生成映射字典，使用前需确认df2的f_uuid是唯一值，否则重复key的value会被覆盖
uuid_map = df2.set_index('f_uuid')['i_uuid'].to_dict()
# 给df1新增i_uuid列
df1['i_uuid'] = df1['f_uuid'].map(uuid_map)

注意事项 #

• 如果df1本身已经存在i_uuid列，merge操作会自动给重复列加_x/_y后缀区分，你可以提前删除df1的原有i_uuid列，或者通过suffixes参数自定义后缀规则
• 两种方法都只会保留df1的所有行，自动忽略df2存在但df1不存在的f_uuid值，符合你的需求

内容的提问来源于stack exchange，提问作者caasswa