Python Pandas：按标签匹配列将一个DataFrame的值添加到另一个

我明白你要解决的问题——根据PN和Date两个键，把df1里对应的值匹配到df2中，无匹配时填充NaN。其实这个问题用pandas的宽表转长表+左连接就能优雅解决，步骤非常清晰：

步骤1：先构造示例数据（还原你提供的df1和df2结构） #

首先我们先把你给出的零散数据转换成可运行的pandas DataFrame：

import pandas as pd

# 构造df1（宽格式：日期为列，PN为行）
data_df1 = {
    'PN': [90020, 90022, 90061, 90065, 90099],
    '2017-11-01': [105.0, 100.0, -3.0, 30.0, 2.0],
    '2017-11-02': [105.0, 100.0, -3.0, 30.0, 2.0],
    '2017-11-03': [105.0, 100.0, -3.0, 30.0, 2.0]
}
df1 = pd.DataFrame(data_df1)

# 构造df2（长格式：PN和Date为匹配键），补全你截断的部分并加入一个无匹配项测试
data_df2 = {
    'PN': [90020, 90020, 90022, 90061, 99999],
    'Date': ['2017-11-01', '2017-11-02', '2017-11-03', '2017-11-01', '2017-11-01']
}
df2 = pd.DataFrame(data_df2)

步骤2：将df1从宽格式转换为长格式 #

df1当前是宽表（日期作为列名），无法直接和df2的长表结构匹配。我们用melt()函数把它转成PN+Date+Value的长格式：

# 转长表：id_vars保留PN列，把日期列转成Date列，对应数值转成Value列
df1_melted = df1.melt(id_vars='PN', var_name='Date', value_name='Value')

转换后的df1_melted核心结构如下：

步骤3：左连接合并两个DataFrame #

用pd.merge()做左连接，以PN和Date为匹配键，这样会保留df2的所有行，没有匹配的项会自动填充NaN：

# 左连接：保留df2的所有记录，无匹配时Value列填NaN
result_df = pd.merge(df2, df1_melted, on=['PN', 'Date'], how='left')

最终结果示例 #

运行后result_df的输出如下：

可以看到，最后一行的99999在df1中没有匹配项，Value列自动填充了NaN，完全符合你的需求。

内容的提问来源于stack exchange，提问作者bcal