Pandas按指定列merge两个DataFrame后其余列全为NaN是什么原因？

你使用的merge语法本身没有问题，出现右表字段全为NaN的核心原因是两个表的关联键Vorname、Nachname没有任何匹配成功的记录，这个逻辑和SQL左连接完全一致：左表记录全部保留，关联不上的右表字段自动填充NULL（对应Pandas里的NaN）。

你可以按以下顺序排查问题： #

1. 清洗关联键的隐藏字符 #

绝大多数字符串匹配失败都是因为存在不可见字符，比如首尾空格、换行符、制表符，你可以先对两个表的两个关联字段做统一清洗，再执行merge：

# 清洗左表关联键
pdGruppenBachelor['Vorname'] = pdGruppenBachelor['Vorname'].str.strip()
pdGruppenBachelor['Nachname'] = pdGruppenBachelor['Nachname'].str.strip()

# 清洗右表关联键
pdBewertungen['Vorname'] = pdBewertungen['Vorname'].str.strip()
pdBewertungen['Nachname'] = pdBewertungen['Nachname'].str.strip()

# 重新执行合并
dfBA = pd.merge(pdGruppenBachelor, pdBewertungen,  how='left', on=['Vorname','Nachname'])

2. 排查大小写/字符写法差异 #

如果是德语姓名，大概率会出现大小写、变音符号写法不一致的问题，比如一个表存Müller另一个存mueller、或者大小写不同的müller，你可以统一把两个字段转成相同大小写后再匹配：

# 统一转小写匹配，也可以转大写
pdGruppenBachelor['Vorname_match'] = pdGruppenBachelor['Vorname'].str.lower()
pdGruppenBachelor['Nachname_match'] = pdGruppenBachelor['Nachname'].str.lower()
pdBewertungen['Vorname_match'] = pdBewertungen['Vorname'].str.lower()
pdBewertungen['Nachname_match'] = pdBewertungen['Nachname'].str.lower()

dfBA = pd.merge(pdGruppenBachelor, pdBewertungen,  how='left', on=['Vorname_match','Nachname_match'])

匹配完成后再把多余的*_match字段删掉即可。

3. 验证是否存在实际匹配的记录 #

你可以先执行内连接测试，如果内连接返回空表，就可以确认确实没有任何匹配的关联键：

# 内连接只返回两边都匹配的记录
df_inner_test = pd.merge(pdGruppenBachelor, pdBewertungen,  how='inner', on=['Vorname','Nachname'])
print(df_inner_test.shape)

如果返回的行数为0，就说明两个表的关联键没有重叠，你需要检查两个表的数据源是不是对应同一批学生、姓名录入规则是否一致。 #

内容的提问来源于stack exchange，提问作者user6346482