Python/SQL对比两数据集列：匹配姓氏/银行账户与付款描述

现有两个数据集：

• 数据集1（表名user）：包含firstName、lastName、email、bankaccount列
• 数据集2（表名book）：包含银行详情描述列description，格式示例："NLXXRABOXXXXXXXXXX XXXXXXXXXXXXX firstName lastName date"

需要判断book.description中是否存在对应user的lastName或bankaccount，以此验证用户是否完成付款。当前已将两个数据集导入Pandas和SQL环境，尝试的SQL语句无法实现批量匹配，现提供可行的SQL和Pandas实现方案。

方案1：用 EXISTS 子查询做批量匹配 #

通过EXISTS子查询，逐个检查每个用户的lastName或bankaccount是否出现在任意一条book的描述中，返回匹配成功的用户邮箱：

SELECT u.email
FROM user u
WHERE EXISTS (
    SELECT 1
    FROM book b
    WHERE b.description LIKE CONCAT('%', u.lastName, '%')
       OR b.description LIKE CONCAT('%', u.bankaccount, '%')
);

方案2：用 JOIN 关联查询（可返回匹配的描述） #

如果需要同时查看匹配到的描述内容，用JOIN关联两张表，再通过DISTINCT去重同一用户的重复匹配结果：

SELECT DISTINCT u.email, b.description
FROM user u
JOIN book b 
  ON b.description LIKE CONCAT('%', u.lastName, '%')
  OR b.description LIKE CONCAT('%', u.bankaccount, '%');

假设用户表的DataFrame是df_user，银行描述表是df_book，提供两种实现方式：

方案1：遍历用户逐一匹配（高效处理750行描述） #

import pandas as pd

matched_emails = []
# 遍历每个用户记录
for _, user in df_user.iterrows():
    # 检查描述列是否包含该用户的lastName或bankaccount
    match_flag = df_book['description'].str.contains(
        f"{user['lastName']}|{user['bankaccount']}",
        case=False  # 忽略大小写，不需要的话可以删掉这个参数
    ).any()
    if match_flag:
        matched_emails.append(user['email'])

# 去重后生成结果DataFrame
result = pd.DataFrame({'verified_email': list(set(matched_emails))})

方案2：交叉合并后筛选（适合小体量用户表） #

如果用户表行数不多，可以先做交叉连接，再筛选匹配的记录：

# 交叉连接两张表
cross_join = df_user.assign(temp_key=1).merge(df_book.assign(temp_key=1), on='temp_key').drop('temp_key', axis=1)

# 筛选出描述包含lastName或bankaccount的记录
matched_records = cross_join[
    cross_join['description'].str.contains(cross_join['lastName'], case=False)
    | cross_join['description'].str.contains(cross_join['bankaccount'], case=False)
]

# 提取唯一的验证通过邮箱
result = matched_records[['email']].drop_duplicates()

内容的提问来源于stack exchange，提问作者Floor