如何基于条件合并两个DataFrame并匹配对应id

先构造示例数据方便复现：

import pandas as pd

# 构造df1
df1 = pd.DataFrame({
    'name': ['name_1', 'name_2', 'name_3', 'name_1'],
    'year': [2018, 2017, 2021, 2022]
})

# 构造df2
df2 = pd.DataFrame({
    'name': ['name_1', 'name_2', 'name_1'],
    'start': [2017, 2017, 2022],
    'end': [2021, 2022, 2023],
    'id': [1, 2, 3]
})

方法一：先合并再过滤（适合小数据集） #

先通过name字段做全连接，再筛选year落在[start, end)区间的记录，最后保留目标列：

# 按name合并两个DataFrame
merged = pd.merge(df1, df2, on='name', how='left')
# 过滤符合年份区间的记录
result = merged[(merged['year'] >= merged['start']) & (merged['year'] < merged['end'])]
# 保留原df1的列和匹配到的id
result = result[['name', 'year', 'id']]

执行后结果：

注：无匹配区间的记录会被过滤，若需保留所有df1行并将无匹配的id设为NaN，可后续和原df1做左连接。

方法二：用merge_asof高效匹配（适合大数据集） #

Pandas的merge_asof专为有序键的区间左连接设计，不会产生笛卡尔积，性能远优于全连接后过滤：

# 对两个DataFrame按name和年份类字段排序（merge_asof要求键有序）
df1_sorted = df1.sort_values(['name', 'year'])
df2_sorted = df2.sort_values(['name', 'start'])

# 执行区间匹配
result = pd.merge_asof(
    df1_sorted,
    df2_sorted,
    by='name',  # 按name分组匹配
    left_on='year',
    right_on='start',
    direction='backward',  # 匹配小于等于year的最大start值
    allow_exact_matches=True
)
# 过滤掉year >= end的记录（满足year < end的条件）
result = result[result['year'] < result['end']]
# 恢复原df1的行顺序并保留目标列
result = result[['name', 'year', 'id']].sort_index()

若需保留df1所有行（无匹配时id为NaN），可执行：

final_result = df1.merge(result[['name', 'year', 'id']], on=['name', 'year'], how='left')

最终结果：

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