如何在Left Join中忽略默认值，将df1的cat列0视为通配符？

要实现把df1中cat列的0当作通配符（合并时忽略该值，仅匹配type列，且包含df2中所有匹配type的行），不能直接用普通的pd.merge(df1, df2, how='left')，可以按以下步骤操作：

步骤1：拆分df1 #

把df1拆成两部分：cat为0的行（需要用通配符匹配）和cat不为0的行（正常匹配）。对通配符行，直接去掉cat列，避免后续合并时匹配该列：

import pandas as pd

# 拆分df1
df1_wildcard = df1[df1['cat'] == 0].drop('cat', axis=1)
df1_normal = df1[df1['cat'] != 0]

步骤2：分别执行合并 #

• 对正常匹配的行，按cat和type两列做左连接：

result_normal = pd.merge(df1_normal, df2, on=['cat', 'type'], how='left')

• 对通配符行，只按type列做左连接，这样每个通配符行都会匹配df2中对应type的所有行：

result_wildcard = pd.merge(df1_wildcard, df2, on='type', how='left')

步骤3：合并结果 #

把两部分合并的结果拼接起来，重置索引即可得到最终结果：

final_result = pd.concat([result_normal, result_wildcard], ignore_index=True)

示例验证 #

假设我们有以下样例数据：

df1:

type	cat	value1
A	1	x
B	0	y
A	0	z

df2:

type	cat	value2
A	1	p
A	2	q
B	1	r
B	2	s

执行上述代码后，最终结果会包含：

• 正常匹配的行：type=A, cat=1对应df2的value2=p
• 通配符行type=B, value1=y匹配df2中所有type=B的行（cat=1和cat=2）
• 通配符行type=A, value1=z匹配df2中所有type=A的行（cat=1和cat=2）

最终输出如下：

内容的提问来源于stack exchange，提问作者Ipsider