如何基于另一个DataFrame的ID匹配新增type列

这问题我平时处理数据时经常碰到，用pandas的两种方法都能轻松解决，给你详细说说：

方案1：用merge方法（直观易理解） #

merge是pandas专门用来做数据关联的工具，特别适合这种按ID匹配列的场景：

# 先从df1里提取我们需要的ID和type列，避免合并后引入多余的列
df1_type_map = df1[['ID', 'type']]
# 按ID做左合并，确保df2的所有行都被保留
df2 = df2.merge(df1_type_map, on='ID', how='left')

为什么这么做？ #

• how='left'参数保证df2里的每一行都不会丢失（哪怕某个ID在df1里不存在，不过你说两个DF的ID是完全对应的，用inner也可以，但left更稳妥）
• 合并完成后，df2就会自动新增type列，并且每个ID对应的type值都匹配好了

方案2：用map方法（更简洁高效） #

如果只需要映射type这一列，用map会更简洁，而且数据量大的时候速度更快：

# 把df1转换成「ID: type」的字典格式
id_type_dict = df1.set_index('ID')['type'].to_dict()
# 直接给df2新增type列，通过ID映射对应的值
df2['type'] = df2['ID'].map(id_type_dict)

补充说明 #

你之前尝试的isin思路其实只完成了「判断ID是否存在」的步骤，没办法直接拿到对应的type值。而上面两种方法都是直接做值的映射匹配，刚好能解决你的需求。

内容的提问来源于stack exchange，提问作者Sam