不同大小DataFrame字符串匹配：获取首次匹配索引与列值

问题场景 #

现有两个不同大小的DataFrame：

• df1为短表，type列无重复值
• df2为长表，type列存在重复值

需要为df1的每一行type值，在df2中找到首次匹配的记录，返回该记录的索引和color列值，并合并到df1中。

示例数据 #

import pandas as pd

df1 = pd.DataFrame({'type':['Apple3','Pear28','Banana0','Lime46']}) 
df2 = pd.DataFrame({'type':['Apple2','Apple3','Lime46','Apple3','Lime46','Pear28'],
                    'color':['red','orange','green','orange','green','yellow']})

预期结果 #

最终df1需新增ind（匹配到的df2索引）和color列，无匹配项填充NaN：

解决方案 #

方法1：去重后左连接

先提取df2中每个type的首次出现记录，再与df1做左连接：

# 给df2添加索引列，方便提取匹配索引
df2['ind'] = df2.index

# 保留每个type的首次出现记录
df2_first = df2.drop_duplicates(subset='type', keep='first')

# 左连接合并，保留df1所有行
result_df = pd.merge(df1, df2_first[['type', 'ind', 'color']], on='type', how='left')

# 将索引列转为字符串格式，匹配预期的NaN展示
result_df['ind'] = result_df['ind'].astype(str).replace('nan', 'NaN')

print(result_df)

方法2：分组取首项

通过groupby按type分组，直接提取每组的第一个记录：

# 提前给df2添加索引列
df2['ind'] = df2.index
# 分组获取每个type的首次记录，重置索引
df2_first = df2.groupby('type', as_index=False).first()

# 左连接合并
result_df = pd.merge(df1, df2_first[['type', 'ind', 'color']], on='type', how='left')
result_df['ind'] = result_df['ind'].astype(str).replace('nan', 'NaN')

print(result_df)

说明 #

• drop_duplicates(subset='type', keep='first')：确保只保留每个type第一次出现的行
• 左连接（how='left'）：保证df1的所有行都被保留，无匹配项的字段自动填充NaN
• 转换索引为字符串并替换nan为NaN：完全匹配示例中的预期格式

内容的提问来源于stack exchange，提问作者Bensa