如何拆分DataFrame列并合并回原表？merge无匹配列问题求解

嘿，我来帮你搞定这个问题～你遇到的报错是因为merge方法默认会寻找两个DataFrame中列名完全相同的列作为合并依据，但你的playerData和拆分出来的secondData没有共同的列（除了行索引，但merge默认不会用索引当合并键），所以才会提示“无匹配列”。

其实完全不需要用merge，因为拆分后的secondData和原playerData的行是一一对应的，直接把新列加到原DataFrame里，或者用join基于索引合并就好，下面给你两种实用方案：

方案1：直接添加拆分后的列到原DataFrame #

这是最简洁高效的方式，一步到位：

import pandas as pd

filename = "DKSalaries.csv"
playerData = pd.read_csv(filename)

# 拆分RosterPosition列，得到两列数据
split_cols = playerData['RosterPosition'].str.split('/', 1, expand=True)
# 把拆分后的列命名并添加到原DataFrame
playerData['Primary Position'] = split_cols[0]
playerData['Secondary Position'] = split_cols[1]

# 如果你想删掉原来的RosterPosition列，可以加这行
# playerData.drop('RosterPosition', axis=1, inplace=True)

print(playerData)

方案2：用join基于索引合并 #

如果你想保留拆分后的secondData作为单独的DataFrame，用join就很合适——它默认就是按行索引来合并的：

import pandas as pd

filename = "DKSalaries.csv"
playerData = pd.read_csv(filename)

# 拆分并重命名列
secondData = playerData['RosterPosition'].str.split('/', 1, expand=True).rename(
    columns={0:'Primary Position', 1:'Secondary Position'}
)

# 基于索引合并两个DataFrame
newData = playerData.join(secondData)

# 可选：删除原RosterPosition列
# newData.drop('RosterPosition', axis=1, inplace=True)

print(newData)

额外小提示 #

• 如果有些球员只有单个位置（比如RosterPosition是CF没有斜杠），那么Secondary Position列会自动填充为NaN，你可以根据需求替换成空字符串或者其他值：

  playerData['Secondary Position'] = playerData['Secondary Position'].fillna('')
  

• 要是你非要用merge的话，也可以强制基于索引合并，但完全没必要这么绕：

  newData = playerData.merge(secondData, how='left', left_index=True, right_index=True)
  

内容的提问来源于stack exchange，提问作者Shawn Schreier