如何在两个DataFrame中实现层级匹配映射字段值？

你的问题出在第二次合并时直接用原df重新合并，完全覆盖了第一次的匹配结果。要实现优先用trench_tag匹配，匹配失败再用trench_tag_l2匹配的逻辑，可按以下步骤操作：

方法一：分步匹配+结果合并 #

# 1. 第一次匹配：用trench_tag关联mapping_df的trench_code
df_result = df.merge(
    mapping_df[['trench_code']],
    left_on='trench_tag',
    right_on='trench_code',
    how='left',
    suffixes=('', '_tag')  # 给匹配列加后缀，避免后续冲突
)

# 2. 第二次匹配：用trench_tag_l2关联，只取需要的trench_code列
df_result = df_result.merge(
    mapping_df[['trench_code']],
    left_on='trench_tag_l2',
    right_on='trench_code',
    how='left',
    suffixes=('', '_tag_l2')
)

# 3. 生成最终列：优先取第一次匹配结果，空值用第二次结果填充
df_result['fink_sub_tag_key'] = df_result['trench_code'].fillna(df_result['trench_code_tag_l2'])

# 清理临时列
df_result = df_result.drop(columns=['trench_code', 'trench_code_tag_l2'])

方法二：更简洁的链式写法 #

df_final = (
    df
    # 第一次匹配，保留trench_code作为候选1
    .merge(mapping_df[['trench_code']], left_on='trench_tag', right_on='trench_code', how='left')
    # 第二次匹配，保留trench_code作为候选2，用后缀区分
    .merge(mapping_df[['trench_code']], left_on='trench_tag_l2', right_on='trench_code', how='left', suffixes=('_tag', '_tag_l2'))
    # 合并候选结果
    .assign(fink_sub_tag_key=lambda x: x['trench_code_tag'].fillna(x['trench_code_tag_l2']))
    # 删除临时列
    .drop(columns=['trench_code_tag', 'trench_code_tag_l2'])
)

关键说明 #

• 两次合并都基于上一次的结果集操作，而非原df，避免覆盖之前的匹配数据
• 用suffixes参数区分两次匹配产生的trench_code列，防止列名冲突
• 使用fillna实现优先级逻辑：优先取第一次匹配的非空值，空值则用第二次匹配结果填充

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