DataFrame匹配赋值失败原因及解决方案（含重复值场景）

为什么你的原代码会失败？ #

你的代码df1.loc[:, 'd'] = df2.loc[df2.b.eq(df1.a), 'c']失效的核心原因是Pandas的索引对齐机制：

• 当你用df2.b.eq(df1.a)时，这个条件会广播比较（把df1的a列和df2的b列逐元素对比），返回一个和df2长度相同的布尔Series。
• 筛选后的df2.loc[..., 'c']保留的是df2的原始索引，而不是df1的索引。
• 赋值时Pandas会尝试把这个Series的索引和df1的索引对齐，只有索引完全匹配的位置才会被赋值，其余位置会填充NaN。如果两个DataFrame的索引没有重叠，结果就是整列都是NaN。

举个简单例子直观感受：

import pandas as pd

df1 = pd.DataFrame({'a': [1,2,3]}, index=[0,1,2])
df2 = pd.DataFrame({'b': [1,3], 'c': ['x','z']}, index=[5,6])

# 执行你的代码后
df1.loc[:, 'd'] = df2.loc[df2.b.eq(df1.a), 'c']
print(df1)
# 输出：
#    a   d
# 0  1 NaN
# 1  2 NaN
# 2  3 NaN

因为df2筛选后的索引是5和6，和df1的0/1/2完全不匹配，所以赋值全为NaN。

解决方案分两种场景 #

场景1：df2中b列无重复值（每个b对应唯一c） #

这种情况推荐用以下两种高效方法：

方法1：使用map（最简洁）

先把df2转成b:c的映射关系，再用map快速匹配：

# 构建b到c的映射字典
b_to_c = df2.set_index('b')['c']
# 为df1新增d列
df1['d'] = df1['a'].map(b_to_c)

方法2：使用merge（更灵活，适合多列匹配场景）

用左连接保留df1所有行，匹配对应c值：

df1 = df1.merge(
    df2[['b', 'c']],
    left_on='a',
    right_on='b',
    how='left'
).rename(columns={'c': 'd'}).drop('b', axis=1)

场景2：df2中b列有重复值（需要返回所有匹配的c值列表） #

这时候需要把所有匹配到的c值打包成列表，推荐两种方法：

方法1：Merge + 分组聚合（效率更高，适合大数据）

先做左连接，再按df1的原始索引分组，把c列聚合为列表：

# 先执行左连接，保留所有匹配结果
merged_df = df1.merge(
    df2[['b', 'c']],
    left_on='a',
    right_on='b',
    how='left'
)
# 按df1的索引分组，将c列转为列表（自动过滤NaN）
df1['d'] = merged_df.groupby(merged_df.index)['c'].apply(lambda x: x.dropna().tolist())

方法2：使用apply（逻辑直观，小数据友好）

对df1的每一行a值，筛选df2中匹配的c并转为列表：

df1['d'] = df1['a'].apply(lambda x: df2[df2['b'] == x]['c'].tolist())

⚠️ 注意：apply是逐行处理，数据量较大时效率会比merge+分组低很多，优先推荐前者。

内容的提问来源于stack exchange，提问作者Gemini