Python Pandas：基于大小写不敏感且清洗后键的左外连接

问题场景 #

现有两个DataFrame：

• MASTER表（保留原始姓名格式）：

• ORDERS表（姓名格式不统一，含大写、空格）：

需要以[Fname, Lname]为键做左外连接，匹配规则：

1. 忽略大小写
2. 忽略空格、短横线（-）、撇号（'）这类特殊字符
3. 最终保留MASTER的原始姓名列，以及ORDERS的Amount列

错误代码分析 #

你之前的代码存在三个问题：

1. 列名不匹配：代码中用了"First Name"和"Last Name"，但实际表列名是Fname和Lname，导致键生成错误
2. 特殊字符处理不全：仅移除了空格，未处理短横线和撇号，无法完成正确匹配
3. 直接用生成的序列作为连接键，易引发索引对齐问题

正确解决方案 #

步骤1：定义姓名标准化函数

统一处理姓名，生成可匹配的键：

import pandas as pd

def standardize_name(fname, lname):
    # 合并名和姓，转小写，移除所有指定特殊字符
    return (fname + lname).lower().replace(r'[\s\-']', '', regex=True)

步骤2：生成匹配键并执行连接

给两个表添加临时匹配键，再执行左外连接：

# 假设mdf是MASTER表，odf是ORDERS表
# 添加匹配键列
mdf['match_key'] = mdf.apply(lambda row: standardize_name(row['Fname'], row['Lname']), axis=1)
odf['match_key'] = odf.apply(lambda row: standardize_name(row['Fname'], row['Lname']), axis=1)

# 指定需要提取的列
mdf_cols = ["Fname", "Lname", "match_key"]
odf_cols = ["Amount", "match_key"]

# 左外连接
output_df = pd.merge(
    mdf[mdf_cols],
    odf[odf_cols],
    how='left',
    on='match_key'
)

# 删除临时匹配键
output_df.drop('match_key', axis=1, inplace=True)

执行后得到的output_df就是期望结果：

简化说明 #

• 正则表达式r'[\s\-']'可以一次性匹配空格、短横线和撇号，批量移除
• 临时键match_key仅用于连接，最终删除不影响结果
• 左外连接确保MASTER表的所有行都被保留，匹配到的ORDERS数据会被合并进来

内容的提问来源于stack exchange，提问作者J. N.