如何用Pandas的isin或merge实现多列跨不同结构DataFrame匹配？

方法1：使用merge（推荐，性能更优） #

merge不需要两个DataFrame列数相同，只需指定匹配列的对应关系即可实现：

import pandas as pd

# 初始化原始数据
d1={'A':[1,3,5,7,8,4,6],'B':[6,4,3,8,1,7,4], 'C':[2,5,8,9,8,4,7]}
df1=pd.DataFrame(data=d1)
d2={'a':[2,8,6,5,7],'b':[6,4,9,3,2]}
df2=pd.DataFrame(data=d2)

# 提取df1中用于匹配的A、B列，并重命名为df2的列名以匹配merge规则
df1_match_cols = df1[['A', 'B']].rename(columns={'A':'a', 'B':'b'})

# 左连接merge，保留df2所有行，标记匹配状态
df2_with_match = df2.merge(
    df1_match_cols.drop_duplicates(),  # 去重避免匹配后行数膨胀
    on=['a', 'b'],
    how='left',
    indicator='match_status'
)

# 将匹配状态转为布尔值，True表示完全匹配
df2['is_matched'] = df2_with_match['match_status'] == 'both'

print(df2)

运行输出：

a  b  is_matched
0  2  6        False
1  8  4         True
2  6  9        False
3  5  3         True
4  7  2        False

关键逻辑说明 #

• 先从df1中剥离出需要匹配的A、B列，重命名为df2的a、b，确保merge时列名对应。
• drop_duplicates()过滤df1中重复的(A,B)组合，避免merge后df2出现重复行。
• indicator参数新增的列会标记每行的匹配来源，'both'代表该行在两个DataFrame的匹配列中都存在，转为布尔值即为最终的匹配标记。

方法2：使用元组集合匹配（代码更简洁） #

将df1的匹配列打包成元组集合，直接判断df2每行的(a,b)是否属于该集合：

import pandas as pd

# 初始化原始数据
d1={'A':[1,3,5,7,8,4,6],'B':[6,4,3,8,1,7,4], 'C':[2,5,8,9,8,4,7]}
df1=pd.DataFrame(data=d1)
d2={'a':[2,8,6,5,7],'b':[6,4,9,3,2]}
df2=pd.DataFrame(data=d2)

# 生成df1中(A,B)的唯一元组集合
match_tuples = set(zip(df1['A'], df1['B']))

# 逐行判断是否匹配，生成标记列
df2['is_matched'] = df2.apply(lambda row: (row['a'], row['b']) in match_tuples, axis=1)

print(df2)

运行输出与方法1完全一致。

关键逻辑说明 #

• zip(df1['A'], df1['B'])将每行的A、B值打包为元组，转成集合后查询效率远高于列表。
• apply逐行遍历df2，判断当前行的(a,b)元组是否在匹配集合中，返回布尔值作为标记列。

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