基于两列列值合并DataFrame：将df2指定列匹配添加至df1

嘿，这事儿用Pandas的merge()方法就能完美解决，它支持指定多列作为匹配键，正好符合你要基于w和x两列完全匹配来合并y、z列的需求。

步骤分解与代码示例 #

首先先准备好你的原始数据（补全了必要的导入部分）：

import pandas as pd

# 你的两个DataFrame
df1 = pd.DataFrame({'w':['a','b','c'], 'x':['d','e','f']})
df2 = pd.DataFrame({'w':['b','a','g','c'], 'x':['h','d','i','f'],'y':['j','k','l','m'],'z':['n','o','p','q']})

接下来是核心的合并代码，我们指定w和x作为匹配键，把df2的y、z列合并到df1中：

# 左连接：保留df1的所有行，匹配df2的y、z列，无匹配则填充NaN
merged_df = pd.merge(df1, df2[['w', 'x', 'y', 'z']], on=['w', 'x'], how='left')

参数说明 #

• on=['w', 'x']：明确告诉Pandas用这两列作为匹配依据，只有当两行的w和x值完全一致时才会建立匹配关系
• how='left'：采用左连接逻辑，会保留df1的所有行，哪怕在df2中找不到对应匹配的w+x组合，对应的y、z列会用NaN填充
• df2[['w', 'x', 'y', 'z']]：提前筛选df2需要的列，避免合并后出现不必要的重复列，让结果更简洁

合并结果 #

运行上面的代码后，merged_df的输出如下：

w  x    y    z
0  a  d    k    o
1  b  e  NaN  NaN
2  c  f    m    q

（注：df1中第二行的w=b, x=e在df2里没有对应的匹配项，所以y、z显示为NaN）

如果你只想要保留df1中在df2里有完全匹配的行，可以把how='left'改成how='inner'，这样结果会是：

w  x  y  z
0  a  d  k  o
2  c  f  m  q

内容的提问来源于stack exchange，提问作者DPdl