如何检测Table 1的A列是否包含Table 2的A列值并返回对应B列数据？

需求概述 #

检测Table 1的A列文本中是否包含Table 2的A列值，若匹配成功，则在Table 1新增B列并填入Table 2对应匹配行的B列值；无匹配则留空。

参考数据 #

Table 2（匹配映射表）

目标输出Table 1

实现方案 #

1. Excel/Google Sheets 公式实现 #

在Table 1的B2单元格输入以下公式，下拉填充即可：

=XLOOKUP(TRUE, ISNUMBER(SEARCH(Table2!$A$2:$A$6, A2)), Table2!$B$2:$B$6, "")

• 原理：SEARCH检测Table1的A列文本是否包含Table2的A列值，返回位置；ISNUMBER将结果转换为布尔值；XLOOKUP匹配第一个符合条件的Table2的B列值，无匹配则返回空。
• 注意：若需精确完整匹配而非包含，将SEARCH替换为EXACT即可。

2. Python Pandas 实现 #

适合处理大规模数据，基础代码示例：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'A': ['dhjasd sd Y02sd', 'Y02 dsd', 'sds Y0545 dsas dds', 'Y093 sad', 'sd Y304sd']
})
df2 = pd.DataFrame({
    'A': ['Y01', 'Y06', 'Y02', 'Y08', 'Y0545'],
    'B': [102, 103, 105, 110, 106]
})

# 定义匹配逻辑函数
def get_matched_b(row):
    for _, match_row in df2.iterrows():
        if match_row['A'] in row['A']:
            return match_row['B']
    return None

# 新增B列
df1['B'] = df1.apply(get_matched_b, axis=1)

# 查看结果
print(df1)

• 大数据量优化方案：改用正则批量匹配提升效率

# 生成匹配正则表达式
df2['pattern'] = df2['A'].apply(lambda x: f'(?:{x})')
combined_pattern = '|'.join(df2['pattern'])

# 提取匹配的关键词并关联映射值
matches = df1['A'].str.extract(f'({combined_pattern})', expand=False)
df1 = df1.merge(df2, left_on=matches, right_on='A', how='left').drop(columns=['A_y', 'pattern']).rename(columns={'A_x': 'A'})

3. SQL 实现 #

以MySQL为例，通过LIKE关联查询实现：

SELECT 
    t1.A,
    t2.B
FROM 
    Table1 t1
LEFT JOIN 
    Table2 t2 ON t1.A LIKE CONCAT('%', t2.A, '%')
ORDER BY 
    t1.A;

• 说明：LEFT JOIN保证Table1的所有行都被保留，匹配成功则显示Table2的B值，无匹配则为NULL；若需仅保留第一个匹配结果，可结合GROUP BY t1.A和MAX(t2.B)（或MIN，按需选择）。

内容的提问来源于stack exchange，提问作者newt335