Pandas用df1值替换df2列值报KeyError和InvalidIndexError如何解决

报错原因说明 #

1. merge操作报错原因 #

你指定on=['Area','Name']作为合并关联键，但df2中不存在Area字段，merge的on参数要求关联字段必须在两个DataFrame中同时存在，因此触发KeyError: 'Area'。
另外即使去掉Area关联，还存在大小写匹配问题：df1中的Name值是小写nick，df2中的是大写开头Nick，直接关联会匹配失败。

2. map操作报错原因 #

你的逻辑搞反了映射的键值对应关系：你需要用Name值映射匹配对应的Area值，但代码里把Area设为索引，取Name作为映射值，完全颠倒了匹配逻辑。
同时你将存在重复值的Area列（A1出现2次）设为索引，Pandas要求作为映射基准的索引必须唯一，因此触发InvalidIndexError。

正确实现代码 #

方法1：map映射（更简洁高效） #

先统一Name列大小写避免匹配失败，构造Name到Area的映射字典后替换即可：

# 构造小写Name为键，Area为值的映射字典
name_area_map = df1.set_index(df1["Name"].str.lower())["Area"].to_dict()
# df2的Name转小写后匹配映射值，覆盖原Name列
df2["Name"] = df2["Name"].str.lower().map(name_area_map)
print(df2["Name"])
# 输出结果：0    A1
#          1    A3
#          2    A2
#          3    A1
#          4    A2

方法2：merge关联实现 #

通过临时统一大小写的辅助列完成关联，再替换字段值：

# 给两个表加统一大小写的辅助关联列
df1["name_lower"] = df1["Name"].str.lower()
df2["name_lower"] = df2["Name"].str.lower()
# 左关联匹配Area字段
df2 = df2.merge(df1[["name_lower", "Area"]], on="name_lower", how="left")
# 替换Name列，删除多余辅助列
df2["Name"] = df2["Area"]
df2 = df2.drop(columns=["name_lower", "Area"])

内容的提问来源于stack exchange，提问作者john johns