如何在Pandas中基于多列匹配合并两个DataFrame？

现有两个DataFrame：

df1 #

A       B      C       D   
0   test1   test2  test3   test4
1   test22  test33 test23  test432
2   test54  test32 tes353  test98

初始df2 #

A        B
0  test98   value1
1  test1    value2
2  test33   value3

需求：用df2的A列值匹配df1中的任意一列，将对应的df2的B列值添加到df1中，最终输出如下：

A       B      C       D         Value
0   test1   test2  test3   test4     value2
1   test22  test33 test23  test432   value3
2   test54  test32 tes353  test98    value1

补充需求 #

实际df2包含更多列：

A        B         C
0  test98   value1   value5
1  test1    value2   value6
2  test33   value3   value7

最终目标是将df1处理为：

A       B      C       D         Value      Value2
0   test1   test2  test3   test4     value2     value6
1   test22  test33 test23  test432   value3     value7
2   test54  test32 tes353  test98    value1     value5

是否有方法实现该条件下的合并？

可以用Pandas的melt、merge和pivot组合实现，步骤如下：

1. 给df1添加行索引标识，用于后续合并后还原原结构：

import pandas as pd

df1['row_id'] = df1.index

2. 将df1转为长格式，把所有需匹配的列（A、B、C、D）整合到同一列，保留行索引：

df1_melted = df1.melt(id_vars='row_id', value_name='匹配值', var_name='原列')

3. 重命名df2的列，对齐匹配字段并指定输出列名：

df2_renamed = df2.rename(columns={'A': '匹配值', 'B': 'Value', 'C': 'Value2'})

4. 合并转换后的df1和重命名后的df2，通过匹配值关联：

merged = pd.merge(df1_melted, df2_renamed, on='匹配值', how='left')

5. 筛选出每行的有效匹配结果，合并回原df1结构：

result = pd.merge(df1, merged.dropna(subset=['Value'])[['row_id', 'Value', 'Value2']], on='row_id', how='left')

6. 删除临时添加的row_id列：

result = result.drop('row_id', axis=1)

运行上述代码后即可得到目标格式的DataFrame。

逻辑说明 #

• melt将宽表转窄表，让df1所有列的匹配值集中到一列，解决“任意列匹配”的需求。
• row_id保留原行的唯一性标识，确保匹配结果能准确对应回df1的每一行。
• dropna筛选有效匹配行，因为每行只会有一个值能匹配df2，不会产生重复行。

内容的提问来源于stack exchange，提问作者user14073111