如何通过前缀字符串匹配在DF2中生成关联列并合并两个数据集

嘿，这个需求我之前处理过，用Pandas就能轻松搞定！下面给你一步步拆解实现方法：

1. 先准备示例数据集 #

先把你提到的DF1和DF2用Pandas创建出来，方便后续操作：

import pandas as pd

# 创建DF1
df1 = pd.DataFrame({'ref': ['ABC', 'DEF', 'GHI']})

# 创建DF2
df2 = pd.DataFrame({'word': ['ABC123', 'DEF456', 'GHI789']})

2. 给DF2新增前缀匹配列 #

这里最高效的方式是用正则表达式提取前缀。我们可以把DF1里的ref值拼接成一个正则模式，精准匹配以这些短单词开头的部分：

# 生成正则匹配模式：匹配以DF1中任意ref开头的字符串
prefix_pattern = '^(' + '|'.join(df1['ref']) + ')'

# 提取前缀到新列，这里命名为'matched_ref'
df2['matched_ref'] = df2['word'].str.extract(prefix_pattern)

执行完这一步，DF2就会变成你期望的样子：

3. 合并两个数据集 #

现在直接用merge方法，基于DF2的matched_ref和DF1的ref列进行合并：

# 合并数据集，默认是内连接，会匹配所有存在对应关系的行
merged_df = pd.merge(df2, df1, left_on='matched_ref', right_on='ref', how='inner')

合并后的结果会包含DF2的所有列，以及DF1中匹配到的对应行数据（如果DF1有其他列也会一并合并进来）。

补充小提示 #

• 如果DF1里的ref存在重叠前缀（比如同时有'AB'和'ABC'），正则会按拼接顺序匹配，建议先把DF1的ref按长度从长到短排序，再生成正则模式，避免短前缀先匹配导致长前缀被忽略。
• 如果DF2里有不匹配任何前缀的行，str.extract会返回NaN，后续合并时可以选择how='left'保留这些行，或者提前用dropna()过滤掉。

内容的提问来源于stack exchange，提问作者Jr Tee