如何对含分隔符的列执行Pandas合并（类似Vlookup）？

问题分析 #

原代码直接用merge无法匹配的核心原因是：df2的PDs列存在分号分隔的多值字符串，而df1的PDs均为单个值，两者无法直接匹配。必须先将df2的多值PDs拆分为单独行，再执行合并操作。

解决方案 #

先拆分df2中PDs列的多值并展开为多行（保留对应Number），再与df1做合并：

import pandas as pd

# 读取Excel数据
df1 = pd.read_excel('df1.xlsx')
df2 = pd.read_excel('df2.xlsx')

# 处理df2：拆分多值PDs并展开为多行，同时清理空格
df2_processed = df2.assign(PDs=df2['PDs'].str.split(';')).explode('PDs')
df2_processed['PDs'] = df2_processed['PDs'].str.strip()

# 执行合并
dfmerge = df1.merge(df2_processed[['Number', 'PDs']], on='PDs')

代码说明 #

• df2['PDs'].str.split(';')：把每个PDs单元格的字符串按分号拆分为列表（比如"9045;4729;5392"会变成['9045', '4729', '5392']）。
• .explode('PDs')：将列表中的每个元素单独展开为一行，原行的Number会对应每个拆分后的PDs值。
• .str.strip()：去除PDs值前后的空格，避免因单元格内的空格（比如"9045; 4729"）导致匹配失败。
• 最后用处理后的df2子集与df1合并，即可实现单个PDs值和多值拆分后的匹配。

示例验证 #

针对你给出的df2示例数据：

处理后df2_processed的PDs列会变为：

此时再与df1合并，就能正确匹配所有PDs值。

内容的提问来源于stack exchange，提问作者Drex