如何在Pandas中使用LIKE运算符按条件关联两个DataFrame

我来帮你解决这个类似SQL LIKE逻辑的DataFrame关联问题，这里有两种实用的实现方式，你可以根据数据规模和需求选择：

方法一：交叉合并+条件过滤（贴近SQL逻辑） #

这种方式先构建两个DataFrame的笛卡尔积，再通过过滤条件筛选出匹配的行，逻辑和SQL中的关联查询非常贴近。

import pandas as pd

# 定义原始DataFrame
df1 = pd.DataFrame({
    'user_id': ['201', '207', '223', '212', '112', '311'],
    'position': ['Senior Engineer', 'Senior System Architect', 'Senior account manage', 
                 'Junior Manager', 'junior Engineer', 'junior python developer']
})

df2 = pd.DataFrame({
    'role_id': ['10', '20'],
    'role_position': ['%senior%', '%junior%']
})

# 1. 执行交叉合并（笛卡尔积），通过临时key实现
cross_joined = df1.assign(temp_key=1).merge(df2.assign(temp_key=1), on='temp_key').drop('temp_key', axis=1)

# 2. 模拟SQL LIKE逻辑：去掉通配符%，检查小写的position是否包含对应关键词
cross_joined['is_match'] = cross_joined.apply(
    lambda row: row['position'].lower().contains(row['role_position'].strip('%')),
    axis=1
)

# 3. 筛选匹配行，移除不需要的列
result = cross_joined[cross_joined['is_match']].drop(['is_match', 'role_position'], axis=1)

print(result)

执行后会得到你期望的结果，并且自动移除了role_position列。

方法二：映射匹配（高效省内存） #

如果你的数据量较大，笛卡尔积会占用过多内存，这种方法通过直接映射关键词来实现匹配，效率更高：

import pandas as pd

# 定义原始DataFrame
df1 = pd.DataFrame({
    'user_id': ['201', '207', '223', '212', '112', '311'],
    'position': ['Senior Engineer', 'Senior System Architect', 'Senior account manage', 
                 'Junior Manager', 'junior Engineer', 'junior python developer']
})

df2 = pd.DataFrame({
    'role_id': ['10', '20'],
    'role_position': ['%senior%', '%junior%']
})

# 构建关键词到role_id的映射字典
role_map = {
    row['role_position'].strip('%'): row['role_id'] 
    for _, row in df2.iterrows()
}

# 自定义函数：根据position匹配对应的role_id
def match_role(position):
    pos_lower = position.lower()
    for keyword, role_id in role_map.items():
        if keyword in pos_lower:
            return role_id
    return None  # 无匹配时返回None，可根据需求调整

# 为df1添加role_id列
df1['role_id'] = df1['position'].apply(match_role)

print(df1)

这种方法直接在原df1上添加结果列，不需要额外的交叉合并操作，内存占用更低。

补充说明 #

• 两种方法都完美模拟了lower(df1.position) LIKE df2.role_position的逻辑：把position转小写后，检查是否包含role_position去掉%后的关键词。
• 如果有需要保留role_position列，只需要在drop方法中移除该列的参数即可。

内容的提问来源于stack exchange，提问作者Bimbo