如何基于多候选键列合并两个Pandas DataFrame

首先先复现你提供的示例数据：

import pandas as pd
import numpy as np

# 初始化df1
df1 = pd.DataFrame([[1,10,100],[2,20,np.nan],[3,30,300]], columns=["A","B","C"])
# 初始化df2
df2 = pd.DataFrame([[1,422],[10,72],[2,278],[300,198]], columns=["ID","Value"])

你的需求是：让df2的ID列匹配df1中A/B/C任意一列的值，只要匹配上就进行关联合并，最终保留所有匹配的结果（比如df1第一行同时匹配df2的ID=1和ID=10，所以输出两行）。

实现思路 #

核心思路是将df1的多候选键列转换为长格式，这样就能用单列和df2的ID做关联，之后再整理回目标格式：

1. 给df1添加临时行标识，方便后续关联回原始行数据
2. 使用pd.melt把df1的A/B/C列转成键值对形式，统一成ID列
3. 过滤掉ID为NaN的行（避免无效匹配），然后和df2做内连接
4. 清理临时列，整理成目标输出格式

完整代码实现 #

import pandas as pd
import numpy as np

# 初始化原始数据
df1 = pd.DataFrame([[1,10,100],[2,20,np.nan],[3,30,300]], columns=["A","B","C"])
df2 = pd.DataFrame([[1,422],[10,72],[2,278],[300,198]], columns=["ID","Value"])

# 步骤1：添加临时行ID，用于关联原始行数据
df1['row_id'] = df1.index

# 步骤2：将df1的A/B/C列转成长格式，生成统一的ID列
df1_melted = df1.melt(
    id_vars=['row_id', 'A', 'B', 'C'],  # 保留需要的原始列
    value_vars=['A', 'B', 'C'],         # 指定要转换的候选键列
    value_name='ID'                     # 转换后的键列名，和df2的ID对应
)

# 步骤3：过滤NaN的ID，和df2做内连接
merged = df1_melted.dropna(subset=['ID']).merge(df2, on='ID', how='inner')

# 步骤4：清理临时列，整理成目标格式
df_output = merged.drop(columns=['variable', 'row_id']).reset_index(drop=True)

print(df_output)

运行后输出结果和你预期的完全一致：

A   B      C  Value
0  1  10  100.0    422
1  1  10  100.0     72
2  2  20    NaN    278
3  3  30  300.0    198

关键细节说明 #

• pd.melt的作用是把宽格式的多候选键列“压扁”成单列，这样就能和df2的ID做一对一的匹配，完美解决多列匹配的问题
• dropna(subset=['ID'])会过滤掉df1中候选键为NaN的行，避免这些NaN尝试和df2的ID匹配（毕竟df2的ID都是有效数值）
• 使用inner连接可以只保留两边都匹配上的结果，符合你示例中的输出逻辑

内容的提问来源于stack exchange，提问作者Amit V