如何在Pandas中基于列表列的任意匹配项合并两个DataFrame？

嗨，这个需求我之前也碰到过，Pandas自带的merge方法确实没法直接处理列表列与单个值列的匹配，不过咱们完全不用自己写复杂函数，用两步简单操作就能搞定！

解决思路 #

核心思路是先把包含列表的列"拆展开"，让每个列表元素单独占一行，这样就能用常规的merge方法完成匹配了，具体步骤如下：

• 展开列表列：用explode()方法把第一个DataFrame中包含列表的列拆成多行，每行对应一个列表元素
• 常规合并：基于展开后的单列和第二个DataFrame的目标列进行合并
• 整理结果：调整列顺序，去掉不需要的中间列（可选）

代码示例 #

先构造你给出的示例数据：

import pandas as pd

# 第一个包含列表列的DataFrame
df1 = pd.DataFrame({
    'Column A': ['a', 'b'],
    'Column B': [['val1', 'val2', 'val3'], ['val4', 'val5']]
})

# 第二个用于匹配的DataFrame
df2 = pd.DataFrame({
    'Column C': ['x', 'y'],
    'Column D': ['val1', 'val4']
})

第一步，展开df1的列表列：

# 把Column B的列表拆成单独行
df1_exploded = df1.explode('Column B')

展开后的df1_exploded会变成这样：

第二步，执行合并操作：

# 基于展开后的Column B和df2的Column D匹配
merged_df = pd.merge(df1_exploded, df2, left_on='Column B', right_on='Column D')

第三步，整理成你想要的列顺序：

# 选择需要的列并调整顺序
final_df = merged_df[['Column A', 'Column D', 'Column C']]

最终得到的结果就是你期望的样子：

补充说明 #

如果你的数据集比较大，explode()会暂时增加行数，但后续的merge会自动过滤掉不匹配的行，整体效率比自定义函数要高很多，而且代码简洁易维护～

备注：内容来源于stack exchange，提问作者Mike