Pandas中处理两个DataFrame：为单ISBN行DF添加分类计数列

你的问题出在直接比较两个DataFrame的ISBN列时，因为x是多行对应同一个ISBN，而y是单行对应一个ISBN，这种直接的布尔匹配会因为索引和长度不匹配导致对齐错误，赋值自然无法得到正确结果。

推荐用数据透视+合并的方式来实现，步骤清晰且不易出错：

步骤1：对x进行数据透视，将分类转为列 #

先把x中同一ISBN的不同分类计数整理成宽表格式，每个ISBN对应一行，分类作为列：

import pandas as pd

# 用pivot_table处理，fill_value=0确保没有对应分类时计数为0
x_pivot = x.pivot_table(
    index='ISBN',
    columns='Age Category',
    values='Count',
    fill_value=0
).reset_index()

# 重命名列名，符合你想要的格式
x_pivot.columns = ['ISBN', 'Middle Adult Count', 'Young Adult Count']

对于你给出的x数据，透视后会得到：

步骤2：将透视后的表与y合并 #

把处理好的计数列合并到y中，用ISBN作为匹配键：

# 用left join确保y中所有ISBN都保留，即使x中没有对应分类（此时计数为0）
y = y.merge(x_pivot, on='ISBN', how='left')

这样就能得到你想要的最终格式：每个ISBN一行，同时带有Middle Adult Count和Young Adult Count两列。

如果后续有更多年龄分类，这个方法也能自动适配，不需要修改代码逻辑，非常灵活。

内容的提问来源于stack exchange，提问作者Omar Amr