如何从不同大小的DataFrame中基于ID向目标DataFrame添加列

这是pandas里非常常见的数据匹配需求，我给你分享两个最实用的实现方式：

方法1：使用merge（最稳妥，适合各种场景） #

merge是处理DataFrame关联的标准方法，通过指定关联键Id，并设置how='left'来保留df1的所有行：

import pandas as pd

# 只关联df2里需要的Id和amount列，避免引入无关字段
df1_with_amount = df1.merge(df2[['Id', 'amount']], on='Id', how='left')

• 解释：how='left'确保df1的每一行都被保留，哪怕df2里没有对应的Id，这时候amount列会填充为NaN；
• 如果df2里有重复的Id，merge会自动把所有匹配的行都关联进来，如果不需要重复，可以先给df2去重：df2.drop_duplicates(subset='Id', keep='first')。

方法2：使用map（代码更简洁，适合df2的Id无重复的情况） #

如果df2里每个Id只对应一个amount值，用map会更高效简洁：

# 把df2转换成以Id为索引的Series，再用df1的Id列匹配
df1['amount'] = df1['Id'].map(df2.set_index('Id')['amount'])

• 解释：df2.set_index('Id')['amount']生成一个以Id为键、amount为值的Series，map会自动将df1的每个Id对应到这个Series的value，没有匹配的则填充NaN。

两种方法都能满足你的需求，根据你的数据情况选就行～

内容的提问来源于stack exchange，提问作者Nod99