如何在Python Pandas DataFrame中合并无序标签集合？

核心思路是把无序的标签集合转换成可哈希的、顺序统一的类型，让Pandas能以此作为合并键。以下是两种实用方案：

方案一：将标签转换为排序后的元组 #

元组是可哈希类型，对标签集合排序后生成的元组，能保证相同标签集合（不管顺序）对应同一个键。

步骤与代码示例 #

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'id': [1, 2, 3],
    'tags': [{'a', 'b'}, {'c'}, None]
})
df2 = pd.DataFrame({
    'id': [10, 20, 30],
    'tags': [{'b', 'a'}, {'d'}, {'c'}]
})

# 定义标签处理函数：处理缺失值，转排序后的元组
def process_tags(tags):
    if pd.isna(tags):
        return tuple()  # 空元组对应缺失标签
    # 集合转列表后排序，再转元组
    return tuple(sorted(tags))

# 生成可哈希的合并键
df1['tag_key'] = df1['tags'].apply(process_tags)
df2['tag_key'] = df2['tags'].apply(process_tags)

# 按tag_key合并，保留标签集合匹配的行
merged_df = pd.merge(df1, df2, on='tag_key', suffixes=('_left', '_right'))
# 清理临时键列
merged_df = merged_df.drop('tag_key', axis=1)

print(merged_df)

运行后会保留{'a','b'}与{'b','a'}、{'c'}与{'c'}的匹配行，缺失标签的行也会和其他缺失标签的行匹配。

方案二：将标签转换为排序后的字符串（适用于标签是字符串格式的场景） #

如果你的标签是以字符串形式存储（比如"a,b"或"b,a"），可以先分割为列表，排序后再拼接成统一格式的字符串，同样能作为可哈希的合并键。

代码示例 #

def process_str_tags(tag_str):
    if pd.isna(tag_str):
        return ""
    tags = tag_str.split(',')
    return ','.join(sorted(tags))

# 假设df1、df2的tags列是字符串格式
df1['tag_key'] = df1['tags'].apply(process_str_tags)
df2['tag_key'] = df2['tags'].apply(process_str_tags)

merged_df = pd.merge(df1, df2, on='tag_key')

关键说明 #

• 必须处理缺失值：直接用NaN作为键会报错，因此将缺失标签转换为空元组/空字符串，保证合并逻辑一致。
• 排序的作用：不管原标签顺序如何，排序后的结果能唯一标识标签集合，确保无序的相同集合被判定为相等。

内容的提问来源于stack exchange，提问作者Melon Pie