如何在Python Pandas中匹配两DataFrame列值并筛选目标结果行

下面提供几种实用的实现方式，满足你筛选df2.col_x包含df1.col1值并关联对应字段的需求：

方法一：交叉连接+逐行判断 #

先生成两个DataFrame的笛卡尔积，再筛选符合包含条件的行，适合数据量不大的场景：

import pandas as pd

df1 = pd.DataFrame({"col1":["APPLE", "BANANA", "ORANGE"]})
df2 = pd.DataFrame({"col_x":["APPLEXX", "BANANA", "CARROT"]})

# 生成交叉连接（笛卡尔积）
cross_df = df1.assign(key=1).merge(df2.assign(key=1), on='key').drop('key', axis=1)
# 筛选col_x包含col1的行
result = cross_df[cross_df.apply(lambda row: row['col1'] in row['col_x'], axis=1)]
# 重置索引（可选）
result = result.reset_index(drop=True)

print(result)

输出结果：

col1    col_x
0   APPLE  APPLEXX
1  BANANA   BANANA

方法二：遍历收集匹配对 #

直接遍历两个字段的所有值，收集符合条件的组合，逻辑直观易懂：

import pandas as pd

df1 = pd.DataFrame({"col1":["APPLE", "BANANA", "ORANGE"]})
df2 = pd.DataFrame({"col_x":["APPLEXX", "BANANA", "CARROT"]})

matches = []
for val1 in df1['col1']:
    for val2 in df2['col_x']:
        if val1 in val2:
            matches.append({'col1': val1, 'col_x': val2})

result = pd.DataFrame(matches)
print(result)

输出与方法一完全一致。

方法三：正则匹配缩小范围后关联 #

先通过正则表达式筛选df2中符合条件的行，再关联df1，数据量大时效率更高：

import pandas as pd

df1 = pd.DataFrame({"col1":["APPLE", "BANANA", "ORANGE"]})
df2 = pd.DataFrame({"col_x":["APPLEXX", "BANANA", "CARROT"]})

# 生成正则匹配模式，把col1的所有值作为备选
pattern = '|'.join(df1['col1'])
# 先筛选df2中包含任意col1值的行
filtered_df2 = df2[df2['col_x'].str.contains(pattern)]
# 交叉连接后再次精准匹配，避免误判（比如若有值同时包含多个col1内容）
result = filtered_df2.assign(key=1).merge(df1.assign(key=1), on='key').drop('key', axis=1)
result = result[result.apply(lambda row: row['col1'] in row['col_x'], axis=1)].reset_index(drop=True)

print(result)

内容的提问来源于stack exchange，提问作者dingaro