如何通过表连接筛选两个DataFrame的匹配记录？

没问题，这事儿用Pandas处理起来很直观！你需要从df1里筛选出和df2中kol_id、jnj_id、thrc_nm完全匹配的记录，对吧？我给你两种常用的实现方法，按需选择就行：

第一步：先构建示例数据 #

先把你给出的示例数据用代码还原，方便后续测试：

import pandas as pd

# 构建df1
df1 = pd.DataFrame({
    'kol_id': [101152, 251489, 100856],
    'jnj_id': [7124166, 7822721, 7356682],
    'kol_full_nm': ['Constance Ann Benson', 'Mariam S Aziz', 'William Rodney Short'],
    'foc_area_id': [1, 1, 1],
    'thrc_cd': ['VIR', 'VIR', 'VIR'],
    'thrc_nm': ['VIR', 'VIR', 'VIR']
})

# 构建df2
df2 = pd.DataFrame({
    'kol_id': [101152],
    'jnj_id': [7124166],
    'thrc_nm': ['VIR']
})

方法一：用merge做内连接（推荐） #

这是最简洁的方式，直接指定多列作为匹配键，用内连接只保留两边都匹配的行：

# 内连接匹配，保留df1的所有列
df_final = pd.merge(df1, df2, on=['kol_id', 'jnj_id', 'thrc_nm'], how='inner')

解释：

• on=['kol_id', 'jnj_id', 'thrc_nm']：指定这三列必须同时匹配才算符合条件
• how='inner'：只保留两个表中都存在的匹配行，刚好符合你的需求

方法二：布尔索引+多列匹配 #

如果你更习惯用筛选的思路，可以把匹配条件转成元组集合，再逐行判断：

# 把df2的匹配列打包成元组集合
match_tuples = set(zip(df2['kol_id'], df2['jnj_id'], df2['thrc_nm']))
# 筛选df1中符合条件的行
df_final = df1[df1[['kol_id', 'jnj_id', 'thrc_nm']].apply(tuple, axis=1).isin(match_tuples)]

验证结果 #

运行任意一种方法后，打印df_final就能得到你想要的结果：

kol_id   jnj_id         kol_full_nm  foc_area_id thrc_cd thrc_nm
0  101152  7124166  Constance Ann Benson            1     VIR     VIR

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