Python pandas如何比对两个DataFrame的id值并合并对应color_value列

你要的效果可以通过两种常见的pandas操作实现，以下是完整代码和说明： #

方法1：使用merge左连接（最常用） #

直接通过pandas的merge方法按id字段左连接两个DataFrame即可，会自动保留df1的全部行，匹配到的id自动填充对应的color_value值。

import pandas as pd

# 示例数据
df_1 = pd.DataFrame({'a': [1, 2, 3, 4, 5], 'id': ['001', '002', '001', '004', '003']})
df_2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'color_value': ['blue', 'red', 'yellow', 'orange']})

# 核心操作：左连接匹配
df_1 = df_1.merge(df_2, on='id', how='left')

# 输出结果
print(df_1)

运行输出结果和你需要的最终效果完全一致。 #

方法2：使用map映射（大数据量下效率更高） #

如果df2的id是唯一值（作为查找表通常满足这个条件），可以先把df2转为id到color_value的映射字典，再给df1映射赋值，性能比merge更好。

import pandas as pd

# 示例数据
df_1 = pd.DataFrame({'a': [1, 2, 3, 4, 5], 'id': ['001', '002', '001', '004', '003']})
df_2 = pd.DataFrame({'id': ['001', '002', '003', '004'], 'color_value': ['blue', 'red', 'yellow', 'orange']})

# 核心操作：生成映射字典后赋值
id_color_map = df_2.set_index('id')['color_value'].to_dict()
df_1['color_value'] = df_1['id'].map(id_color_map)

# 输出结果
print(df_1)

补充说明：如果存在df1的id在df2中没有匹配项的情况，两种方法生成的color_value字段对应位置会自动填充为NaN，符合查找逻辑的预期。

内容的提问来源于stack exchange，提问作者MAtennis9