基于if-else条件规则合并Pandas DataFrame的问题求助

直接上可运行的解决方案，先构造示例数据方便你理解：

import pandas as pd
import numpy as np

# 构造示例df1
df1 = pd.DataFrame({
    'type': ['A', 'A', 'B', 'C'],
    'num1': [1, 2, 1, np.nan],
    'value1': [10, 20, 30, 40]
})

# 构造示例df2
df2 = pd.DataFrame({
    'type': ['A', 'A', 'B', 'C'],
    'num1': [1, np.nan, 1, np.nan],
    'value2': [100, 200, 300, 400]
})

接下来按你的规则拆分处理：

1. 拆分df2为空和非空子集

# 拆分df2：num1为空的部分
df2_null = df2[df2['num1'].isna()].copy()
# num1非空的部分
df2_notnull = df2[~df2['num1'].isna()].copy()

2. 处理非空子集的拼接列
   注意要把num1转成字符串，避免类型错误：

# 给df1和df2_notnull生成拼接列
df1['type_num1'] = df1['type'] + df1['num1'].astype(str)
df2_notnull['type_num1'] = df2_notnull['type'] + df2_notnull['num1'].astype(str)

3. 分别合并两部分

# 合并num1为空的部分：按type列
merge_null = pd.merge(df1, df2_null, on='type', how='left')
# 合并num1非空的部分：按拼接后的type_num1列
merge_notnull = pd.merge(df1, df2_notnull, on='type_num1', how='left')

4. 合并两个结果并清理冗余列
   这里用pd.concat拼接，然后处理重复列和临时生成的type_num1：

# 拼接两个合并结果，重置索引
final_df = pd.concat([merge_null, merge_notnull], ignore_index=True)
# 去重（避免同一行被两次合并匹配），保留第一次出现的记录
final_df = final_df.drop_duplicates(subset=['type', 'num1_x', 'value1'], keep='first')
# 删除临时生成的拼接列
final_df = final_df.drop(columns=['type_num1'])
# 重命名重复的num1和value2列（按需调整）
final_df = final_df.rename(columns={'num1_x': 'num1', 'num1_y': 'df2_num1'})

关键注意点 #

• 处理拼接列时一定要统一数据类型，比如把num1转成字符串，不然数字和字符串拼接会报错
• 合并后要去重，因为部分行可能在两个合并结果中都出现（比如df1中num1为空的行，可能在merge_null和merge_notnull都有匹配）
• 合并方式用left还是inner根据你的需求调整，示例用left保留df1所有行

内容的提问来源于stack exchange，提问作者Manglu