Pandas表关联异常：ID x与x+1错误匹配问题求助

问题场景 #

尝试基于ID列关联两个数据表，ID格式为“ABCxxx”（xxx为三位数字）：

• df1的ID列是规范的三位数字字符串（如'001'）
• df2的ID嵌入在长字符串中，需先提取
  关联时出现异常：df1的ID x会匹配到df2的ID x+1，推测是df2的ID提取后类型转换环节出错。

错误原因分析 #

• 正则表达式错误：原代码用(ABC\\d+\\d+\\d+)，\d+会匹配1个或多个数字，重复三次会错误匹配多余字符（比如ABCDE293这类字符串会被错误识别），无法精准提取ABC后的三位数字。
• 冗余拆分逻辑：原代码用str.split('C')拆分提取的ABCxxx，不仅多余，还可能因字符串格式问题导致提取结果异常。
• 关联方法选择不当：df.join()默认按索引关联，用on='ID'时易出现匹配逻辑混淆，不如merge适合列与列的关联场景。

修正后的代码 #

import pandas as pd

data1 = {
    'ID': ['001','002','003', '004','005'],
    'test': [10,20,30,40,50]
}
df1 = pd.DataFrame(data1)

data2 = {
    'ID': ['30942_ABC001_43424','45323_ABC001_45932','ABC002_94853_23948','ABC002_29304_90400','48958_34856_ABC003', '49384_ABCDE293_48593','28394_XYZ123_38485'],
    'score': [10,20,30,40,50,60,70]
}
df2 = pd.DataFrame(data2)

# 精准提取ABC后的三位数字ID，过滤不符合格式的行
df2['ID'] = df2['ID'].str.extract('ABC(\d{3})', expand=True)
# 移除提取后ID为空的行（即不符合ABCxxx格式的行）
df2 = df2.dropna(subset=['ID'])

# 统一转换为int类型（或保持字符串类型也可，只要两边一致）
df1['ID'] = df1['ID'].astype(int)
df2['ID'] = df2['ID'].astype(int)

# 使用merge进行列关联，更直观可靠
joined_table = df1.merge(df2, on='ID', how='left')
print(joined_table)

代码说明 #

• 正则ABC(\d{3})精准匹配ABC后紧跟的三位数字，直接提取目标ID部分，无需后续拆分。
• 用dropna移除提取失败的行，避免无效数据干扰关联。
• 使用merge替代join，明确按ID列进行关联，匹配逻辑更清晰。

内容的提问来源于stack exchange，提问作者user20501139