如何在Python Pandas中使用通配符*合并两个DataFrame

问题核心 #

pd.merge会将*当作普通字符处理，无法实现Excel VLOOKUP中*匹配任意长度字符的效果，需通过正则转换实现对应逻辑。

解决方案步骤 #

1. Excel通配符转正则：

   • Excel的*对应正则.*（匹配任意长度字符）
   • Excel的?对应正则.（匹配单个字符）
   • 先转义原字符串中的正则特殊字符（如., +），避免干扰匹配逻辑

2. 两种匹配实现方式：

   • 逐行匹配：高效，按查找表顺序返回第一个匹配项（和Excel VLOOKUP行为完全一致）
   • 交叉连接过滤：直观，适合小数据量场景

代码示例 #

1. 构造测试数据

import pandas as pd
import re

# 带通配符的查找表（类似VLOOKUP的查找区域）
df_wildcard = pd.DataFrame({
    'pattern': ['A*', 'B*C', 'X?Y'],
    'value': [10, 20, 30]
})

# 需要匹配的目标数据
df_target = pd.DataFrame({
    'text': ['Apple', 'BananaC', 'AXY', 'Hello', 'BXXC']
})

2. 通配符转正则工具函数

def excel_wildcard_to_regex(pattern):
    # 先转义所有正则特殊字符，再替换Excel通配符为正则语法
    escaped = re.escape(pattern)
    return escaped.replace(r'\*', '.*').replace(r'\?', '.')

# 生成正则模式列
df_wildcard['regex_pattern'] = df_wildcard['pattern'].apply(excel_wildcard_to_regex)

3. 方法一：逐行匹配（推荐，高效匹配首个符合项）

def get_matched_val(text):
    # 按查找表顺序遍历，返回第一个匹配的值
    for _, row in df_wildcard.iterrows():
        if re.match(row['regex_pattern'], text):
            return row['value']
    return None  # 无匹配时返回空值

# 为目标数据添加匹配结果列
df_target['matched_value'] = df_target['text'].apply(get_matched_val)

4. 方法二：交叉连接后过滤（直观，小数据适用）

# 交叉连接两个DataFrame
cross_join = df_target.assign(temp_key=1).merge(df_wildcard.assign(temp_key=1), on='temp_key').drop('temp_key', axis=1)

# 过滤出匹配的行
matched_rows = cross_join[cross_join.apply(lambda x: re.match(x['regex_pattern'], x['text']), axis=1)]

# 按目标文本分组，取第一个匹配结果（模拟VLOOKUP首次匹配逻辑）
result = matched_rows.groupby('text').first().reset_index()

输出结果 #

执行方法一后，df_target的最终输出：

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