合并匹配含球员姓名的Pandas DataFrame：解决merge结果为空问题

问题背景 #

现有两个Pandas DataFrame：

• df1：包含「Player（球员姓名）」和「Rating」列
• df2：包含「Player」及「Team」「Age」「Value」等多列

需求是将df1的Rating数据合并到df2中，保留df2全部字段。尝试带正则替换的merge代码后，合并结果为空，需排查解决。

数据示例 #

df1数据：

df2数据：

尝试的错误代码 #

dfmerged = df1.merge(df2,
          left_on=df1['Player'].str.replace(r'^(.)\w+', r'\1.', regex=True),
          right_on='Player'
         )

问题分析 #

你写的正则表达式r'^(.)\w+'逻辑错误：

• ^(\.)匹配字符串第一个字符，\w+匹配后续字母/数字，但\w不匹配点号（.），所以对于df1中O. Fuglsang这类带点的名字，正则只能匹配到O，替换后结果还是O.，和df2的Player字段完全无法匹配，导致合并结果为空。

正确解决步骤 #

步骤1：基础左合并（优先匹配一致姓名） #

先直接用how='left'执行左合并，保留df2所有行，自动匹配格式完全一致的球员：

df_merged = df2.merge(df1, on='Player', how='left')

这一步会先搞定大部分格式一致的球员，未匹配到的Rating会显示为NaN。

步骤2：排查未匹配的球员 #

找出df2中未匹配的球员，分析格式差异：

# 提取df2中未匹配Rating的球员姓名
unmatched_players = df_merged[df_merged['Rating'].isna()]['Player'].tolist()
print("未匹配的球员：", unmatched_players)
print("df1中的姓名样本：", df1['Player'].sample(5).tolist())

通过对比可以发现具体格式差异（比如首字母位置、大小写、特殊字符、缩写方式等）。

步骤3：针对性处理格式差异 #

场景1：姓名缩写顺序不同

如果df1是「首字母. 姓氏」格式，df2是「姓氏, 首字母.」格式，可生成统一匹配键合并：

# 给df1生成匹配键：首字母_姓氏
df1['match_key'] = df1['Player'].str.split('. ', expand=True)[0] + '_' + df1['Player'].str.split('. ', expand=True)[1]

# 给df2生成匹配键：首字母_姓氏
df2['match_key'] = df2['Player'].str.split(', ', expand=True)[1].str.replace('.', '') + '_' + df2['Player'].str.split(', ', expand=True)[0]

# 用匹配键合并，保留df2全部字段
df_merged = df2.merge(df1, on='match_key', how='left')
# 清理临时列，重命名字段
df_merged = df_merged[['Player_x', 'Team', 'Age', 'Value', 'Rating']].rename(columns={'Player_x': 'Player'})

场景2：特殊字符差异（如å/a、ø/o）

统一转换为普通字符后再匹配：

import unicodedata

def normalize_name(name):
    # 去除特殊字符并转小写
    return unicodedata.normalize('NFKD', name).encode('ascii', 'ignore').decode('utf-8').lower()

# 生成标准化匹配键
df1['match_key'] = df1['Player'].apply(normalize_name)
df2['match_key'] = df2['Player'].apply(normalize_name)

# 合并并清理临时列
df_merged = df2.merge(df1, on='match_key', how='left')
df_merged = df_merged[['Player_x', 'Team', 'Age', 'Value', 'Rating']].rename(columns={'Player_x': 'Player'})

总结 #

1. 先通过基础左合并解决大部分匹配需求；
2. 针对少数格式差异的球员，先排查差异类型，再生成统一匹配键进行合并；
3. 避免盲目使用不熟悉的正则，优先从数据样本入手分析格式规律。

内容的提问来源于stack exchange，提问作者fr3dr1k