如何将一个DataFrame中的值匹配至另一个DataFrame并添加对应列

我来帮你搞定这个问题！这里有两种简单可行的方案，你可以根据自己的场景选择：

方法1：用map()配合自定义函数补全 #

你之前写的getZone函数只差最后一步啦，我们可以完善它，然后用map()把行程表的每个站点对应到区域：

import pandas as pd

# 先模拟你的两个DataFrame（替换成你实际的变量名）
trips = pd.DataFrame({
    'Origin': ['Victoria', 'Wembley', 'Canary Wharf', 'Stratford'],
    'Coordinates': ['x,y', 'x,y', 'x,y', 'x,y'],
    'Time': ['15:32', '14:00', '11:00', '09:00']
})

stations = pd.DataFrame({
    'Station': ['Victoria', 'Waterloo', 'Stratford'],
    'Zone': [1, 1, 2]
})

def getZone(station_name):
    # 匹配站点并返回对应的区域，找不到则返回None（你也可以改成'Unknown'之类的自定义值）
    match_result = stations[stations['Station'] == station_name]['Zone']
    return match_result.iloc[0] if not match_result.empty else None

# 给trips添加OriginZone列
trips['OriginZone'] = trips['Origin'].map(getZone)

注意：这个方法适合需要自定义处理无匹配情况的场景，比如给找不到的站点标注特定值。

方法2：用merge()关联数据（更高效简洁） #

如果你的数据量比较大，用pandas的merge()方法会更高效，它专门用于数据表之间的关联匹配：

# 左连接保留trips的所有行，按Origin和Station列匹配
trips_with_zone = trips.merge(stations, left_on='Origin', right_on='Station', how='left')

# 重命名Zone列为OriginZone，并删除多余的Station列
trips_with_zone.rename(columns={'Zone': 'OriginZone'}, inplace=True)
trips_with_zone.drop('Station', axis=1, inplace=True)

这个方法的优势是代码更简洁，处理大规模数据时性能更好。如果有站点找不到匹配，对应的OriginZone会显示NaN，你可以用fillna()方法统一填充，比如：

trips_with_zone['OriginZone'] = trips_with_zone['OriginZone'].fillna('Unknown')

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