基于多列条件逻辑的Pandas DataFrame内连接实现咨询

嘿，我懂你想要的这种「递进式匹配」内连接确实有点绕，但完全可以实现！先把你的数据和需求理得更清楚些：

首先是你给出的两个DataFrame结构：

import pandas as pd
import numpy as np

conditions = pd.DataFrame({
    'keywords_0':["a", "c", "e"],
    'keywords_1':["b", "d", "f"],
    'keywords_2':["00", "01", "02"],
    'price': [1, 2 ,3] 
})

target = pd.DataFrame({
    'keywords_0':["a", "c", "e"],
    'keywords_1':["b", "d", np.nan],
    'keywords_2':["00", np.nan, np.nan] 
})

你的核心需求是：做内连接时，按从左到右的关键字列递进匹配——先匹配keywords_0，如果target的下一列（比如keywords_1）非空，就必须同时匹配该列；如果该列是空值，就只用到前面已匹配的列（不再往下要求匹配）。

实现思路 #

我们可以通过给target的每行标记「匹配深度」来实现：也就是确定每行需要用到前几个关键字列去匹配conditions，然后拆分target成不同子集，分别做对应列的内连接，最后合并结果。

具体代码实现 #

# 第一步：定义关键字列的顺序
keyword_cols = ['keywords_0', 'keywords_1', 'keywords_2']

# 第二步：给target计算每行的匹配深度——即需要用到前n个关键字列
target['match_depth'] = target[keyword_cols].isna().idxmax(axis=1).map(keyword_cols.index)
# 处理所有列都非空的情况（idxmax会返回False，map后为-1，这里修正为列数）
target['match_depth'] = target['match_depth'].replace(-1, len(keyword_cols))

# 第三步：按匹配深度拆分target，分别连接后合并
result_dfs = []
for depth in target['match_depth'].unique():
    # 取出当前深度需要用到的关键字列
    use_cols = keyword_cols[:depth]
    # 内连接两个DataFrame
    temp_df = pd.merge(
        conditions,
        target[use_cols + ['match_depth']],
        on=use_cols,
        how='inner'
    )
    result_dfs.append(temp_df)

# 合并所有结果，去掉辅助列match_depth
final_result = pd.concat(result_dfs, ignore_index=True).drop('match_depth', axis=1)

print(final_result)

运行后会得到符合预期的结果：

keywords_0 keywords_1 keywords_2  price
0          a          b         00      1
1          c          d         01      2
2          e          f         02      3

代码解释 #

• match_depth的计算：通过isna().idxmax(axis=1)找到每行第一个空值所在的列，再转换成该列在关键字列表中的索引，这样就明确了每行需要用到前几列匹配。比如target第三行的keywords_1是空值，所以match_depth为1，只需要用keywords_0匹配。
• 拆分后分别连接：确保每个子集都用对应的关键字列去匹配conditions，最后合并结果，完美实现了你要的递进式匹配逻辑。

如果你的关键字列更多，只需要修改keyword_cols列表即可，这个方法是通用的。

备注：内容来源于stack exchange，提问作者euh