基于OR条件合并含A、B、C三列的DataFrame问题求助

原代码问题分析 #

你遇到的"too many values to unpack"错误根源是merge的suffixes参数使用错误：该参数仅接受两个元素的序列（分别对应左、右DataFrame的重名列后缀），但你传入了三个值，导致参数解析失败。此外，后续的重复值判断逻辑还存在两个问题：

1. 合并后的列名并非你自定义的后缀格式（按指定列合并时，重名列默认会加_x/_y后缀），你写的列名实际不存在；
2. Pandas中不能用连续==判断多列相等，需拆分为逻辑与的布尔条件。

正确实现方案 #

我们可以通过分别按A/B/C列合并、合并后填充空值、最后去重的方式实现OR条件合并，具体步骤如下：

1. 构造测试数据（模拟你提供的空值场景） #

import pandas as pd
import numpy as np

DF1 = pd.DataFrame({
    'A': [123, np.nan, 321, np.nan],
    'B': [np.nan, 456, 432, np.nan],
    'C': ['abc', np.nan, np.nan, 'klm'],
    'F': ['active']*4,
    'G': [650, 754, 820, 840]
})

DF2 = pd.DataFrame({
    'A': [123, np.nan, 321, np.nan],
    'B': [321, 456, 432, np.nan],
    'C': ['abc', 'rss', 'xyz', 'klm'],
    'D': ['company1', 'company2', 'company3', 'company4']
})

2. 分别按A/B/C列合并并整理数据 #

对每个列的合并结果，我们用combine_first填充空值（优先保留DF1的非空值，缺失时用DF2的对应值），然后筛选出匹配成功的行：

# 按A列合并
merge_A = DF1.merge(DF2, on='A', how='left', suffixes=('_x', '_y'))
merge_A['B'] = merge_A['B_x'].combine_first(merge_A['B_y'])
merge_A['C'] = merge_A['C_x'].combine_first(merge_A['C_y'])
merge_A = merge_A[['A', 'B', 'C', 'D', 'F', 'G']].dropna(subset=['D'])

# 按B列合并
merge_B = DF1.merge(DF2, on='B', how='left', suffixes=('_x', '_y'))
merge_B['A'] = merge_B['A_x'].combine_first(merge_B['A_y'])
merge_B['C'] = merge_B['C_x'].combine_first(merge_B['C_y'])
merge_B = merge_B[['A', 'B', 'C', 'D', 'F', 'G']].dropna(subset=['D'])

# 按C列合并
merge_C = DF1.merge(DF2, on='C', how='left', suffixes=('_x', '_y'))
merge_C['A'] = merge_C['A_x'].combine_first(merge_C['A_y'])
merge_C['B'] = merge_C['B_x'].combine_first(merge_C['B_y'])
merge_C = merge_C[['A', 'B', 'C', 'D', 'F', 'G']].dropna(subset=['D'])

3. 合并结果并去重 #

将三个合并结果拼接后，去除重复行即可得到预期的合并结果：

DF3 = pd.concat([merge_A, merge_B, merge_C]).drop_duplicates().reset_index(drop=True)

最终结果 #

运行后DF3的输出与你预期完全一致：

内容的提问来源于stack exchange，提问作者Rich