如何通过双主键合并DataFrame，其中一个主键对应另一表的列名

核心思路是先把宽格式存储的GDP数据转为长格式，再通过国家、年份两个字段和主表关联，2万行级别的数据量用该方案运算性能无压力。

步骤1：预处理GDP数据，宽表转长表 #

把原本作为列名的年份转为单独的字段，对应GDP值单独作为一列：

import pandas as pd

# 宽表转长表
gdp_long = GDP_data.melt(
    id_vars=["Country Name"],
    var_name="Year",
    value_name="GDP"
)

# 统一年份字段类型，保证和主表DF的Year列类型匹配
gdp_long["Year"] = gdp_long["Year"].astype(int)

# 处理同一国家同一年的重复GDP记录，按需调整keep参数：'first'保留第一条，'last'保留最后一条
gdp_long = gdp_long.drop_duplicates(subset=["Country Name", "Year"], keep="last")

步骤2：关联两个表得到最终结果 #

result = DF.merge(
    gdp_long,
    left_on=["country", "Year"],
    right_on=["Country Name", "Year"],
    how="left"
)

# 删除冗余的国家字段
result = result.drop(columns=["Country Name"])

结果说明 #

运行上述代码后得到的result表结构和你给出的预期输出完全一致，缺失匹配值的GDP字段会自动填充为NaN，你可以根据业务需要对空值做后续处理。

内容的提问来源于stack exchange，提问作者nivedan gowda