如何根据日期与货币匹配规则为DataFrame填充另一DataFrame的汇率列

看起来你需要根据日期和货币两个维度，把exchange_rates里的汇率匹配到prices表中对吧？你之前尝试的match()、np.where和iloc没解决问题，大概率是因为exchange_rates里存在重复的(date, currency)组合，直接单条件匹配或者按位置取值没法处理这种多对一的场景。我来给你一步步搞定：

1. 先统一日期格式（关键！） #

首先要把两个表的日期转换成datetime类型，避免因为字符串格式不一致导致匹配失败：

import pandas as pd

# 转换日期格式为datetime（原格式是dd-mm-yyyy）
prices['date'] = pd.to_datetime(prices['date'], format='%d-%m-%Y')
exchange_rates['date'] = pd.to_datetime(exchange_rates['date'], format='%d-%m-%Y')

2. 清理exchange_rates的重复数据 #

你的exchange_rates表中，同一个日期+货币对应多个汇率值（比如2018-04-13的EUR有3个不同rate），所以得先确定你要取哪种汇率：

• 取平均汇率（最常用）

# 按日期和货币分组，计算平均汇率
exchange_rates_clean = exchange_rates.groupby(['date', 'currency'])['rate'].mean().reset_index()

• 取最后一条记录的汇率

exchange_rates_clean = exchange_rates.groupby(['date', 'currency'])['rate'].last().reset_index()

• 取第一条记录的汇率

exchange_rates_clean = exchange_rates.groupby(['date', 'currency'])['rate'].first().reset_index()

3. 用merge完成多条件匹配 #

这是Pandas中处理多条件关联最稳妥的方法，直接按date和currency两个字段匹配：

# 左连接合并，保留prices中所有行，匹配不到的rate会显示NaN
prices_with_rate = pd.merge(prices, exchange_rates_clean, on=['date', 'currency'], how='left')

# 可选：删掉原prices表的空rate列，并重命名新列
prices_with_rate = prices_with_rate.drop('rate_x', axis=1).rename(columns={'rate_y': 'rate'})

示例结果（以平均汇率为例） #

处理后的prices_with_rate会是这样：

（注：14、15号的汇率因为exchange_rates里没有对应数据，所以显示NaN，你可以根据需求用fillna填充默认值）

为什么之前的方法不好用？ #

• match()：只能处理单条件的模糊匹配，没法同时匹配日期和货币两个字段
• np.where：多条件嵌套写起来非常繁琐，而且没法处理重复数据的情况
• iloc：是按行索引位置取值，和你的条件匹配需求完全不匹配

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