使用Python和Pandas合并无唯一索引的DataFrame

嘿，这事儿我门儿清！你需要的就是用Pandas的merge()方法，按food和campus两个字段做精准匹配，把学生和教师的评分表合并到一起，同时保留所有存在的记录，没匹配到的评分列自动填充NaN，完全符合你给出的示例效果。

完整实现代码 #

import pandas as pd

# 初始化学生评分数据
student_ratings = pd.DataFrame({
    'food': ['chinese', 'mexican', 'american', 'chinese', 'mexican', 'american'],
    'campus': [37, 37, 37, 25, 25, 25],
    'student_rating': [97, 90, 83, 96, 89, 82]
})

# 初始化教师评分数据
teacher_ratings = pd.DataFrame({
    'food': ['chinese', 'mexican', 'american', 'chinese', 'mexican', 'american', 'chinese', 'mexican', 'american'],
    'campus': [25, 25, 25, 37, 37, 37, 45, 45, 45],
    'teacher_rating': [87, 80, 73, 86, 79, 72, 67, 62, 65]
})

# 核心合并操作：按food和campus匹配，保留所有记录
combined_ratings = pd.merge(
    teacher_ratings,
    student_ratings,
    on=['food', 'campus'],
    how='outer'
)

# 调整列顺序，和示例输出保持一致（可选）
combined_ratings = combined_ratings[['food', 'campus', 'student_rating', 'teacher_rating']]

# 打印结果
print(combined_ratings)

关键参数说明 #

• on=['food', 'campus']：指定这两个字段作为匹配的主键，只有当两个DataFrame里的这两个字段值完全相同时，才会将对应的评分行合并到一起。
• how='outer'：使用外连接模式，会保留两个DataFrame中的所有行——不管是学生表有的、教师表没有的，还是教师表有的、学生表没有的，没匹配到的列都会自动填充NaN（注意Pandas里是np.nan，你示例里写的Nan是笔误，正确写法是NaN）。
• 调整列顺序的步骤是可选的，如果你不介意列的先后顺序，可以直接跳过这一步。

结果验证 #

运行代码后得到的combined_ratings和你给出的示例完全一致：45校区的餐食没有学生评分，所以student_rating列都是NaN，其他匹配到的校区餐食都正确填充了对应的学生评分。

要是你只想保留某一个表的所有行（比如只保留教师表的所有记录），可以把how='outer'改成how='left'（以教师表为左表），这样就只会保留教师表的所有行，学生表中没有匹配的记录就不会被加入。

内容的提问来源于stack exchange，提问作者Layne