如何合并多份FIFA球员DataFrame？处理非共现行数据

Hey there! Let's work through this problem together—since you're new to Pandas, this is a super common use case once you learn how to merge/shape data with specific keys instead of relying on indexes. Here's a step-by-step solution:

步骤1：给每个数据集添加年份标识 #

首先，每个DataFrame对应FIFA13到FIFA17，我们要给每个表加上Year列，这样后续能明确区分不同年份的数据：

# 假设你的5个DataFrame分别叫fifa13, fifa14, fifa15, fifa16, fifa17
fifa13['Year'] = 2013
fifa14['Year'] = 2014
fifa15['Year'] = 2015
fifa16['Year'] = 2016
fifa17['Year'] = 2017

步骤2：合并所有数据集到一个大表 #

用pd.concat把5个表合并成一个统一的DataFrame，这样后续处理会更高效：

import pandas as pd

all_fifa_data = pd.concat([fifa13, fifa14, fifa15, fifa16, fifa17], ignore_index=True)

ignore_index=True会重置合并后的索引，避免出现重复索引的问题。

步骤3：重塑数据为「球员-年度评分」格式 #

现在我们要把数据转换成每位球员一行，每年的评分为一列的格式，未进入当年Top80的球员会自动填充NaN（也就是你需要的空值）。这里用pivot_table最稳妥（能处理偶尔出现的重复球员条目）：

player_yearly_ratings = all_fifa_data.pivot_table(
    index='姓名',  # 以球员姓名为行索引
    columns='Year',  # 以年份为列索引
    values='Overall',  # 要展示的评分数据
    aggfunc='first'  # 如果同一年有重复球员，取第一条数据
)

# 可选：把姓名从索引变回普通列，方便查看和后续操作
player_yearly_ratings = player_yearly_ratings.reset_index()

如果确定每个球员在同一年只会出现一次（Top80里不会有重复），也可以用更简洁的pivot：

player_yearly_ratings = all_fifa_data.pivot(index='姓名', columns='Year', values='Overall').reset_index()

为什么之前的join/merge没起作用？ #

你之前用join或merge时默认是基于索引合并，而不是姓名列。如果想用merge逐个合并，需要指定on='姓名'并使用outer join（保留所有球员，不管是否在当年Top80里），比如：

# 先初始化第一个年份的数据，重命名评分列
merged_df = fifa13[['姓名', 'Overall']].rename(columns={'Overall': '2013'})

# 逐个合并后续年份，用outer join保留所有球员
merged_df = merged_df.merge(
    fifa14[['姓名', 'Overall']].rename(columns={'Overall': '2014'}),
    on='姓名',
    how='outer'
)
merged_df = merged_df.merge(
    fifa15[['姓名', 'Overall']].rename(columns={'Overall': '2015'}),
    on='姓名',
    how='outer'
)
# 重复上述操作合并2016和2017的数据

不过这种方法比concat+pivot繁琐，更推荐用前者。

额外小贴士：处理同名球员 #

如果遇到同名不同球员的情况（比如两个叫"David Silva"的），可以把姓名和Club一起作为索引，避免混淆：

player_yearly_ratings = all_fifa_data.pivot_table(
    index=['姓名', 'Club'],
    columns='Year',
    values='Overall',
    aggfunc='first'
).reset_index()

这样处理后，像N. Vidić这类退役后没进入Top80的球员，后续年份的评分就会显示为NaN，完全符合你的需求！

内容的提问来源于stack exchange，提问作者pandasman