如何基于另一DataFrame列条件匹配创建允许重复值的DataFrame新列

原来的写法不符合Pandas的索引对齐规则：df1.loc[:, 'datetime'] == df2.loc[:, 'datetime'] 是按两个Series的行索引逐行对比，只有索引位置相同且时间值相等的行才会返回True，因此你只能拿到df2中索引为0的value3值，赋值回df1时自然只有索引为0的行能匹配到值，其余行因为索引不匹配被赋值为NaN，并非.loc方法本身错误。

以下两种方法均为Pandas内置的向量化操作，无嵌套循环，性能远高于遍历写法，且不会触发官方警告。

方法1：map映射（推荐，单字段匹配场景最简洁） #

因为df2的datetime列无重复值，可以直接构建时间到目标值的映射关系，直接映射赋值：

# 构建以datetime为索引、value3为值的映射Series
value3_map = df2.set_index('datetime')['value3']
# 为df1匹配赋值
df1['value3'] = df1['datetime'].map(value3_map)

方法2：merge左连接（适合多字段匹配场景） #

如果需要同时从df2匹配多个字段，可以用左连接实现：

# 仅关联需要的列，避免df1和df2同名字段被覆盖
df1 = df1.merge(
    df2[['datetime', 'value3']],  # 可按需添加更多要匹配的列
    on='datetime',
    how='left'
)

两种方法得到的df1均符合预期：

datetime  value1 value2 value3
0 2000-03-10 17:03:00       2      x      p
1 2000-03-10 17:03:00       3      y      p
2 2000-03-10 17:04:00       4      z      d

内容的提问来源于stack exchange，提问作者pandas pandemic