如何基于多列动态匹配值左合并两个Pandas DataFrame？

现有两个DataFrame：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'col1': [1,2,3], 'col2': [4,5,6]})
df2 = pd.DataFrame({'col3': [1,5,3]})

需求为：将df1左合并至df2，但合并列无固定值，需按df1的列顺序依次匹配：若df1某列的单元格值存在于df2.col3中，则用该列作为合并键；若当前列不匹配，则检查下一列，以此类推。示例中需依次基于col1、col2、col1完成合并（实际场景中df1列数不止两列）。

自己编写了如下代码，不确定是否合理，希望得到更优解决方案：

df1 = df1.assign(merge_col = np.where(df1.col1.isin(df2.col3), df1.col1, df1.col2))
df1.merge(df2, left_on='merge_col', right_on='col3', how='left')

原代码的合理性 #

你的代码逻辑是正确的，针对当前两列的场景能实现需求：优先用col1匹配，col1不匹配时用col2替代，最终完成左合并。但局限性很明显——如果df1列数增加，你需要手动嵌套更多np.where，代码会变得冗长且难以维护。

更优的可扩展方案 #

针对df1列数不固定的场景，可以通过逐行遍历+按列顺序匹配第一个符合条件的值来动态生成合并键，同时用集合提升查询效率：

步骤1：预处理df2的匹配值为集合 #

把df2.col3转成集合，比直接用Series做isin查询更快，尤其是数据量大时：

col3_set = set(df2['col3'])

步骤2：动态生成合并键merge_col #

用apply逐行遍历df1，按列的顺序找到第一个存在于col3_set中的值作为合并键：

df1['merge_col'] = df1.apply(
    lambda row: next((val for col, val in row.items() if val in col3_set), None),
    axis=1
)

这里的next(...)会按df1的列顺序（从左到右）返回第一个匹配的值，如果没有任何列匹配，则返回None。

步骤3：执行左合并 #

result = df1.merge(df2, left_on='merge_col', right_on='col3', how='left')

验证结果 #

针对示例数据，生成的merge_col为[1,5,3]，合并后的结果符合预期：

方案优势 #

• 扩展性强：不管df1新增多少列，无需修改代码，自动按列顺序匹配
• 效率更高：用集合做成员查询，时间复杂度远低于Series的isin
• 逻辑清晰：逐行按顺序匹配第一个符合条件的值，完全贴合需求

内容的提问来源于stack exchange，提问作者corianne1234