Python3.4 Pandas：基于含重复值的DataFrame列提取行并补零、复制ID列

我来给你一步步搞定这个需求，用Python的pandas库就能轻松实现，具体步骤和代码如下：

1. 先理清需求逻辑 #

• 保留df2的所有行：如果V1列的值在df1的Word列中存在，就把df1对应的ID值关联过来；如果V1没有匹配项，ID列直接填0
• 支持重复匹配：如果df1里同一个Word对应多个ID，要保留这些匹配出来的重复行

2. 示例数据与代码实现 #

先准备示例数据（你可以直接替换成自己的真实数据）：

import pandas as pd

# 示例df1：包含ID和Word列
df1 = pd.DataFrame({
    "ID": [1, 2, 3],
    "Word": ["cat", "dog", "cat"]  # 故意设置cat对应两个ID，测试重复匹配场景
})

# 示例df2：包含V1列和其他自定义列
df2 = pd.DataFrame({
    "V1": ["cat", "bird", "dog", "cat"],
    "OtherCol": ["val1", "val2", "val3", "val4"]
})

接下来执行核心处理操作：

# 左连接df2和df1，基于V1和Word做匹配
result_df = df2.merge(df1, left_on="V1", right_on="Word", how="left")

# 把匹配不到的ID填充为0，并转为整数类型（符合ID的常规格式）
result_df["ID"] = result_df["ID"].fillna(0).astype(int)

# 删掉多余的Word列（如果不需要的话）
result_df = result_df.drop("Word", axis=1)

3. 查看最终结果 #

运行print(result_df)会得到如下输出：

V1 OtherCol  ID
0   cat     val1   1
1   cat     val1   3
2  bird     val2   0
3   dog     val3   2
4   cat     val4   1
5   cat     val4   3

完全符合需求：

• 匹配到的行（cat、dog）都关联了df1的ID，重复匹配的cat生成两行对应不同ID
• 未匹配到的bird对应的ID自动填了0
• df2的所有原行都被完整保留

关键步骤说明 #

• 左连接（how="left"）：这是核心操作，它会保留df2的所有行，同时把df1中所有匹配的记录合并进来，完美实现“保留重复匹配项”的要求
• fillna(0)：自动识别没有匹配到的ID（即NaN值），直接替换为0
• astype(int)：填充后ID会变成浮点数，转成整数更贴合ID的实际使用场景

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