如何在Pandas中按行顺序实现一对一合并并保留左侧DataFrame结构？

这个需求确实没法用普通的左连接解决——因为我们要的是分组内按出现顺序一对一匹配，而不是生成所有可能的组合。这里有个简洁高效的矢量化方法，完全不需要写循环：

Step-by-Step Explanation #

核心思路是给每个分组内的行添加一个“匹配序号”，然后用这个序号+分组键来合并两个DataFrame，确保每个分组里的第n行只和另一个DataFrame同分组的第n行匹配。

Code Implementation #

import pandas as pd

# 原始数据初始化
l1=['a','b','c','c']
l2=['001','002','003','004']
l3=['a','a','b','b','c','c','c','c']
l4=['006','007','008','009','010','011','012','013']
dfa=pd.DataFrame(list(zip(l1,l2)),columns=['A1','A2'])
dfb=pd.DataFrame(list(zip(l3,l4)),columns=['B1','B2'])

# 为每个分组添加行内序号（从0开始计数）
dfa['match_idx'] = dfa.groupby('A1').cumcount()
dfb['match_idx'] = dfb.groupby('B1').cumcount()

# 按分组键+匹配序号进行左连接
merged_df = pd.merge(dfa, dfb, left_on=['A1', 'match_idx'], right_on=['B1', 'match_idx'], how='left')

# 整理输出列，去掉多余的列
final_result = merged_df[['A1', 'A2', 'B2']]

print(final_result)

Output #

运行后会得到你期望的结果：

A1   A2   B2
0  a  001  006
1  b  002  008
2  c  003  010
3  c  004  011

Why This Works #

• groupby('A1').cumcount() 会给dfa中每个A1分组的行依次分配0、1、2...的序号，比如两个'c'行的序号分别是0和1。
• 同理dfb中的每个B1分组也会得到对应的序号，比如四个'c'行的序号是0、1、2、3。
• 合并时，dfa里序号为0的'c'行只会匹配dfb里序号为0的'c'行，序号为1的'c'行匹配dfb里序号为1的'c'行，完全实现了按顺序一对一匹配的需求。
• 这种方法是矢量化操作，比循环快得多，尤其是处理大数据集时优势明显。

内容的提问来源于stack exchange，提问作者piemashandgravy