如何在Pandas中按行条件动态指定合并列？

问题场景 #

• 左表dfpivot包含列：['WD.Fund_Worktag', 'WD.CC_Worktag', 'WD.PG_Worktag', 'WD.SC_Worktag']
• 右表df1pivot包含列：['Fund', 'Cost Center', 'Program', 'Spend Category as Worktag']，与左表列依次对应
• 合并规则：
  • 当dfpivot某行的WD.CC_Worktag和WD.PG_Worktag均为"N/A"时，使用两列关联合并：左表['WD.Fund_Worktag', 'WD.SC_Worktag'] ↔ 右表['Fund', 'Spend Category as Worktag']
  • 其余行使用全部四列关联合并：左表四列与右表对应四列逐一匹配

原代码问题分析 #

你尝试通过循环给每行生成不同的合并列列表，但pd.merge的left_on和right_on参数仅接受固定的列名列表，无法按行动态指定关联规则，因此这种方式无法生效。

正确解决方案 #

核心思路是将数据拆分为符合特殊条件的子集和普通子集，分别按对应规则合并后，再拼接结果：

import pandas as pd

# 1. 拆分dfpivot为两个子集
# 筛选符合特殊合并规则的行
mask = (dfpivot['WD.CC_Worktag'] == 'N/A') & (dfpivot['WD.PG_Worktag'] == 'N/A')
df_special = dfpivot[mask].copy()
df_normal = dfpivot[~mask].copy()

# 2. 分别执行合并
# 特殊子集用两列关联合并
merged_special = pd.merge(
    df_special,
    df1pivot,
    left_on=['WD.Fund_Worktag', 'WD.SC_Worktag'],
    right_on=['Fund', 'Spend Category as Worktag'],
    how='left'
)

# 普通子集用四列关联合并
merged_normal = pd.merge(
    df_normal,
    df1pivot,
    left_on=['WD.Fund_Worktag', 'WD.CC_Worktag', 'WD.PG_Worktag', 'WD.SC_Worktag'],
    right_on=['Fund', 'Cost Center', 'Program', 'Spend Category as Worktag'],
    how='left'
)

# 3. 合并结果并恢复原表行顺序（可选，若需保留原始数据顺序）
merged_pivot = pd.concat([merged_special, merged_normal]).reindex(dfpivot.index)

补充说明 #

• 若需保留原表的行顺序，最后通过reindex(dfpivot.index)可恢复原始顺序
• 这种分组合并的方式符合Pandas向量化操作原则，比逐行处理效率高很多
• 若你的数据中"N/A"实际是缺失值（如pd.NA或np.nan），需将判断条件改为pd.isna(row['WD.CC_Worktag'])

内容的提问来源于stack exchange，提问作者Steven Herrera