基于多列合并两个Pandas DataFrame的问题求助

我有两个DataFrame，想要基于df1的Name列与df2的label、pref_label、alt_label多列进行合并（不区分大小写）。

示例数据：

import pandas as pd

df1 = pd.DataFrame({
    'Name': ['ZYMAXID 9416X', 'ZYPRED'],
    'id': [6390, 6391]
})

df2 = pd.DataFrame({
    'label': ['ZYPRED', None],
    'pref_label': [None, 'ZYMAXID 9416X'],
    'alt_label': [None, None]
})

期望合并结果：

Name    id  label      pref_label alt_label
0  ZYMAXID 9416X  6390   None  ZYMAXID 9416X      None
1         ZYPRED  6391  ZYPRED           None      None

我尝试了以下代码，但报错：

df = df1.merge(df2, left_on=df1["Name"].str.lower(), right_on=['df2["label"].str.lower()','df2["pref_label"].str.lower()''df2["alt_label"].str.lower()', indicator = True)

你的代码存在几个问题：

• right_on参数要求传入的序列长度与left_on一致，不能直接传递多列的序列数组
• 字符串语法错误：'df2["pref_label"].str.lower()''df2["alt_label"].str.lower()'中间缺少逗号，且不该用字符串包裹序列表达式

下面提供两种可行的解决方法：

方法一：添加匹配键列后合并 #

这种方法直接给两个DataFrame添加统一的小写匹配键，再进行合并，逻辑更直观：

# 给df1添加小写匹配键
df1['match_key'] = df1['Name'].str.lower()

# 给df2生成匹配键：遍历label、pref_label、alt_label，取第一个非空值转小写
df2['match_key'] = df2.apply(
    lambda row: next((val.lower() for val in [row['label'], row['pref_label'], row['alt_label']] if val is not None), None),
    axis=1
)

# 基于匹配键合并，最后删除临时键列
result = df1.merge(df2, on='match_key', how='left').drop('match_key', axis=1)

方法二：转长格式匹配后恢复宽格式 #

如果需要更灵活的多列匹配，可以先把df2转成长格式，匹配后再转回宽格式：

# 将df2的多列转成长格式，保留原行索引
melted_df2 = df2.melt(var_name='col_name', value_name='match_val', ignore_index=False)
# 过滤空值并转小写
melted_df2 = melted_df2[melted_df2['match_val'].notna()]
melted_df2['match_val'] = melted_df2['match_val'].str.lower()

# 给df1添加小写匹配列
df1['Name_lower'] = df1['Name'].str.lower()

# 合并后转回宽格式
merged = df1.merge(melted_df2, left_on='Name_lower', right_on='match_val', how='left')
result = merged.pivot(index=['Name', 'id'], columns='col_name', values='match_val').reset_index()
# 填充空值并调整列顺序与期望结果一致
result = result.fillna(None)[['Name', 'id', 'label', 'pref_label', 'alt_label']]

两种方法都能得到你需要的合并结果，方法一更为简洁，适合当前场景。

内容的提问来源于stack exchange，提问作者rshar