如何用Python匹配部分列值合并两个DataFrame？含非Pandas方案咨询

核心需求 #

实现两个带Name列的DataFrame关联，只要姓名中包含至少一个相同的完整名字片段（比如"john"匹配"john-paul"），而非任意子字符串匹配。

方案一：Pandas交叉连接+自定义匹配函数 #

先做两个DataFrame的全量交叉连接，再用自定义函数过滤出符合匹配条件的行：

import pandas as pd

def has_matching_name(name1, name2):
    # 统一处理分隔符（-转空格），拆分姓名为独立片段并转集合
    parts1 = set(name1.replace('-', ' ').split())
    parts2 = set(name2.replace('-', ' ').split())
    # 检查两个集合是否有交集
    return len(parts1 & parts2) > 0

# 假设df1、df2是你的两个DataFrame，都包含Name列
df1['temp_key'] = 1
df2['temp_key'] = 1
# 生成交叉连接表
cross_table = pd.merge(df1, df2, on='temp_key').drop('temp_key', axis=1)
# 过滤符合匹配条件的行
result = cross_table[cross_table.apply(lambda row: has_matching_name(row['Name_x'], row['Name_y']), axis=1)]

说明：这种方法逻辑直观，但如果DataFrame数据量很大，交叉连接会占用较多内存，适合小数据集使用。

方案二：Pandas拆分扩展+合并（高效版） #

通过拆分姓名为独立片段，将多值姓名拆分为单行单姓名，再按姓名片段合并，最后去重避免重复匹配：

import pandas as pd

# 拆分df1的姓名为独立片段，生成多行
df1_expanded = df1.assign(
    name_parts=df1['Name'].str.replace('-', ' ').str.split()
).explode('name_parts')

# 拆分df2的姓名为独立片段，生成多行
df2_expanded = df2.assign(
    name_parts=df2['Name'].str.replace('-', ' ').str.split()
).explode('name_parts')

# 按姓名片段合并，再根据原行索引去重（避免同一行多次匹配）
result = pd.merge(df1_expanded, df2_expanded, on='name_parts').drop_duplicates(
    subset=[df1.index.name or 'index_x', df2.index.name or 'index_y']
)

说明：这种方法避免了全量交叉连接，内存占用更低，适合中大型数据集。

非Pandas原生方案（Python基础实现） #

如果不想用Pandas，可以直接用Python循环+集合处理：

# 提取两个DataFrame的姓名列表
names_df1 = df1['Name'].tolist()
names_df2 = df2['Name'].tolist()

matches = []
# 遍历所有姓名组合，检查匹配
for idx1, name1 in enumerate(names_df1):
    parts1 = set(name1.replace('-', ' ').split())
    for idx2, name2 in enumerate(names_df2):
        parts2 = set(name2.replace('-', ' ').split())
        if parts1 & parts2:
            matches.append({
                'df1_index': idx1,
                'df2_index': idx2,
                'Name_df1': name1,
                'Name_df2': name2
            })

# 转成DataFrame查看结果
result = pd.DataFrame(matches)

你之前的问题原因 #

1. str.contains失败：str.contains是子字符串匹配，比如"john"会匹配"ajohnb"这类包含"john"子串的内容，无法保证是完整的名字片段匹配，导致误匹配。
2. 拆分时触发TypeError：大概率是拆分时参数错误，比如误写为split(name)（把姓名本身当成分隔符），而正确的写法应该是split()（按空格拆分）或split('-')（按横杠拆分），错误的参数类型导致了整数解析错误。

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