Python中处理不同大小DataFrame：添加Rating列报错求助

你遇到的ValueError: Can only compare identically-labeled Series objects错误，根源是DF1和DF2的Team列长度、索引都不匹配——DF1有9行，DF2只有5行，直接用==比较两个Series时，Pandas要求它们必须是"标签完全一致"的对象，所以会报错。

你的需求本质是把DF2里的Rating值按Team匹配到DF1的每一行，下面是两种最常用的解决方案：

方案1：使用merge方法（最直观的表连接方式） #

merge是Pandas专门做表连接的工具，how='left'可以保证DF1的所有行都被保留，同时自动匹配DF2中对应的Rating值：

import pandas as pd
import numpy as np

# 你的原始数据
DF = ['A','B','C','D','E','A','C','B','B']
DF1 = pd.DataFrame({'Team':DF})
DF2 = pd.DataFrame({'Team':['A','B','C','D','E'],'Rating':[1,2,3,4,5]})

# 执行左连接匹配
DF1 = DF1.merge(DF2, on='Team', how='left')
print(DF1)

运行后会直接得到你想要的结果：

Team  Rating
0    A       1
1    B       2
2    C       3
3    D       4
4    E       5
5    A       1
6    C       3
7    B       2
8    B       2

方案2：使用map方法（更高效的映射方式） #

如果数据量比较大，map的性能会更好。先把DF2转换成Team: Rating的字典，再用DF1的Team列去映射：

# 将DF2转为映射字典
rating_dict = DF2.set_index('Team')['Rating'].to_dict()

# 给DF1添加Rating列
DF1['Rating'] = DF1['Team'].map(rating_dict)
print(DF1)

这个方法同样能得到目标结果，而且不需要创建新的DataFrame，直接在原DF1上修改即可。

为什么你的原代码不行？ #

你用np.where(DF1['Team']== DF2['Team'], DF2['Rating'],0)的时候，Pandas会尝试逐行比较两个Team列，但因为两者长度不同，索引也不对应，无法完成这种元素级别的比较，所以抛出了那个错误。这种场景下，np.where不是合适的工具，应该用专门的匹配/连接方法。

内容的提问来源于stack exchange，提问作者Zephyr