在Pandas DataFrame中实现Col1与Col2的匹配查询及匹配度标注

原始数据 #

创建DataFrame的代码：

import pandas as pd

data = {'Col1': ['Bad Homburg', 'Bischofferode', 'Essen', 'Grabfeld OT Rentwertshausen','Großkrotzenburg','Jesewitz/Weg','Kirchen (Sieg)','Laudenbach a. M.','Nachrodt-Wiblingwerde','Rehburg-Loccum','Dingen','Burg (Dithmarschen)'],
        'Col2': ['Rehburg-Loccum','Grabfeld','Laudenbach','Kirchen','Jesewitz','Großkrotzenburg','Nachrodt-','Essen/Stadt','Bischofferode','Bad Homburg','Münster','Burg']}

df = pd.DataFrame(data)

原始表格内容：

需求 #

为每一行的Col1值，在整个Col2列的所有值中查找匹配项，生成两列：

• Lookup_value：匹配到的Col2值（无匹配则为空）
• Comment：标注匹配类型：
  • 100% Matched：Col1值与某个Col2值完全相等
  • Best Possible Match：Col1与Col2值存在部分匹配（如子串、前缀/后缀重合）
  • No Match：无任何匹配

预期结果：

错误代码分析 #

你之前的代码存在两个核心问题：

1. 仅在当前行的Col2值中查找，而非整个Col2列的所有值
2. 匹配判断逻辑颠倒（col1_value in col2_value无法覆盖Col2值是Col1子串的情况）

错误代码：

def lookup_value_and_comment(row):
    col1_value = row['Col1']
    col2_value = row['Col2']
    
    if col1_value in col2_value:
        if col1_value == col2_value:
            return pd.Series([col1_value, '100% Matched'], index=['Lookup_value', 'Comment'])
        else:
            return pd.Series([col2_value, 'Best Possible Match'], index=['Lookup_value', 'Comment'])
    else:
        return pd.Series(['', 'No Match'], index=['Lookup_value', 'Comment'])

df[['Lookup_value', 'Comment']] = df.apply(lookup_value_and_comment, axis=1)

print(df)

正确解决方案 #

思路 #

1. 预存Col2的所有值作为候选匹配集合
2. 对每个Col1值，优先检查是否存在完全匹配的Col2值
3. 若无完全匹配，查找是否存在部分匹配（子串包含、前缀/后缀匹配），取第一个符合条件的匹配项
4. 若无任何匹配，标记为无匹配

完整代码 #

import pandas as pd

data = {'Col1': ['Bad Homburg', 'Bischofferode', 'Essen', 'Grabfeld OT Rentwertshausen','Großkrotzenburg','Jesewitz/Weg','Kirchen (Sieg)','Laudenbach a. M.','Nachrodt-Wiblingwerde','Rehburg-Loccum','Dingen','Burg (Dithmarschen)'],
        'Col2': ['Rehburg-Loccum','Grabfeld','Laudenbach','Kirchen','Jesewitz','Großkrotzenburg','Nachrodt-','Essen/Stadt','Bischofferode','Bad Homburg','Münster','Burg']}

df = pd.DataFrame(data)

# 提取Col2的所有候选值
col2_candidates = df['Col2'].tolist()

def find_match(col1_val):
    # 先检查完全匹配
    for val in col2_candidates:
        if val == col1_val:
            return (val, '100% Matched')
    # 检查部分匹配：Col2值是Col1的子串，或者Col1是Col2值的子串，或者前缀匹配
    for val in col2_candidates:
        if val in col1_val or col1_val in val or val.strip('-') in col1_val.split()[0]:
            return (val, 'Best Possible Match')
    # 无匹配
    return ('', 'No Match')

# 应用函数生成新列
df[['Lookup_value', 'Comment']] = df['Col1'].apply(lambda x: pd.Series(find_match(x)))

print(df)

结果验证 #

运行上述代码后，生成的DataFrame与预期结果完全一致。

内容的提问来源于stack exchange，提问作者s_max