如何匹配两个DataFrame指定列计算差值并新增结果列

错误原因说明 #

你之前的写法错误根源在于误用了Python原生的条件循环逻辑处理Pandas的结构化数据匹配需求：

• 第一个报错ValueError: Can only compare identically-labeled Series objects：直接用==比较两个长度、行标签均不相同的Series列，Pandas不支持这种非对齐的逐元素比较
• 第二个报错TypeError: unsupported operand type(s) for &: 'str' and 'str'：比较运算符==优先级低于位运算符&，未给比较条件加括号时会先执行&运算，同时while循环对布尔Series做判断本身逻辑不成立

正确实现代码 #

Pandas内置的merge左连接可以完美匹配你的需求，核心逻辑是先按双键对齐两个表，再做差值计算，无匹配的DF2值填充为0即可：

import pandas as pd

# 1. 重命名DF2的Qty字段，避免合并时重名冲突
DF2_adj = DF2.rename(columns={"Qty": "Qty_d2"})

# 2. 以ID、Item为双键左连接，保留DF1的全部7行数据
df_merged = DF1.merge(DF2_adj, on=["ID", "Item"], how="left")

# 3. 计算新列，未匹配到的DF2值填充为0，不改变DF1原有Qty
df_merged["Qty_new"] = df_merged["Qty"] - df_merged["Qty_d2"].fillna(0)

# 4. 提取需要的字段，得到7行3列的最终结果
result = df_merged[["ID", "Item", "Qty_new"]]

结果验证 #

按照你给出的示例数据，计算后得到的结果如下：

内容的提问来源于stack exchange，提问作者A_R