如何在Pandas中结合正则表达式实现DataFrame的关联操作？

我有两个pandas DataFrame：df1和df2。其中df1的"Box"列包含正则表达式，用来表示不同人员对应的箱子匹配规则：

df1 #

Person        Box
0    Alex      Box 1
1   Linda      Box 3
2   David     Box .*
3  Rachel  Box [1-2]

df2 #

Box       Item  Qty.
0  Box 1      Apple     4
1  Box 1  Blueberry    12
2  Box 2      Lemon     1
3  Box 2     Papaya     2
4  Box 3      Apple     2

我需要基于"Box"列关联这两个DataFrame，同时正确解析正则表达式（Pandas原生的join/merge不支持正则匹配），最终得到如下结果：

目标结果 #

Person    Box       Item  Qty.
0     Alex  Box 1      Apple     4
1     Alex  Box 1  Blueberry    12
2    Linda  Box 3      Apple     2
3    David  Box 1      Apple     4
4    David  Box 1  Blueberry    12
5    David  Box 2      Lemon     1
6    David  Box 2     Papaya     2
7    David  Box 3      Apple     2
8   Rachel  Box 1      Apple     4
9   Rachel  Box 1  Blueberry    12
10  Rachel  Box 2      Lemon     1
11  Rachel  Box 2     Papaya     2

我尝试用列表推导实现，结果的行是对的，但丢失了左DataFrame的Person列：

def joinWithRegEx(left: pd.DataFrame, right: pd.DataFrame, left_on: str, right_on: str):
    df = pd.DataFrame
    df = pd.concat([right[right[right_on].str.match(entry)] for entry in left[left_on]], ignore_index=True)
    '''
    Left-Join of two DataFrame with considered Rege
    '''
    return df

我以为这是比较常见的场景，难道Pandas不适合做这类任务？

方法1：笛卡尔积+正则过滤 #

先构造两个DataFrame的笛卡尔积，再筛选出符合正则匹配的行，能完整保留左表的所有列：

import pandas as pd

# 添加临时key实现交叉连接
df1['key'] = 0
df2['key'] = 0
cross_df = pd.merge(df1, df2, on='key').drop('key', axis=1)

# 筛选df2.Box匹配df1.Box正则的行
result = cross_df[cross_df.apply(lambda row: row['Box_y'].match(row['Box_x']), axis=1)]

# 调整列名和顺序
result = result.rename(columns={'Box_x': '规则Box', 'Box_y': 'Box'})
result = result[['Person', 'Box', 'Item', 'Qty.']].reset_index(drop=True)

print(result)

方法2：逐行匹配合并 #

遍历左表每一行，找到右表中匹配正则的行，再合并左表当前行的人员信息，最后拼接所有结果：

def joinWithRegEx(left: pd.DataFrame, right: pd.DataFrame, left_on: str, right_on: str):
    frames = []
    for _, row in left.iterrows():
        # 筛选右表中匹配当前正则的行
        matched_rows = right[right[right_on].str.match(row[left_on])]
        # 合并当前人员信息
        matched_rows = matched_rows.assign(Person=row['Person'])
        frames.append(matched_rows)
    # 拼接并调整列顺序
    return pd.concat(frames, ignore_index=True)[['Person', 'Box', 'Item', 'Qty.']]

# 调用函数得到结果
final_result = joinWithRegEx(df1, df2, 'Box', 'Box')
print(final_result)

这两种方法都能得到目标结果，且保留了Person列。Pandas完全可以处理这类正则匹配关联的场景，只是原生merge不支持直接正则匹配，需要手动实现匹配逻辑。

内容的提问来源于stack exchange，提问作者Elynvalur