如何基于新案例匹配数据库DataFrame并获取目标输出结果？

核心逻辑 #

先从新案例DataFrame中提取所有唯一名称的集合，再通过布尔索引筛选出数据库DataFrame中preferredName_A和preferredName_B同时属于该集合的记录。

示例数据参考 #

数据库DataFrame（df_db） #

新案例DataFrame（df_new） #

预期输出 #

仅保留两个字段均存在于新案例中的记录：

修正后的代码 #

import pandas as pd

# 加载你的两个DataFrame（示例中假设已完成加载）
df_db = pd.DataFrame({
    'preferredName_A': ['Alice', 'Bob', 'Charlie', 'Dave', 'Eve'],
    'preferredName_B': ['Bob', 'Charlie', 'Dave', 'Eve', 'Alice'],
    'score': [0.85, 0.90, 0.78, 0.92, 0.88]
})

df_new = pd.DataFrame({
    'preferredName_A': ['Alice', 'Bob', 'Charlie']
})

# 提取新案例中的唯一名称集合（提升查找效率）
new_name_set = set(df_new['preferredName_A'].unique())

# 双向验证并筛选
filtered_result = df_db[
    df_db['preferredName_A'].isin(new_name_set) &
    df_db['preferredName_B'].isin(new_name_set)
]

print(filtered_result)

常见问题排查 #

如果你的原有代码结果不符合预期，大概率是以下原因：

• 仅验证了单个字段的存在性，未同时检查两个字段
• 未处理名称的格式问题（如大小写不一致、前后空格），可先统一格式化：

# 统一字段格式：去除空格+转小写
df_db['preferredName_A'] = df_db['preferredName_A'].str.strip().str.lower()
df_db['preferredName_B'] = df_db['preferredName_B'].str.strip().str.lower()
df_new['preferredName_A'] = df_new['preferredName_A'].str.strip().str.lower()

内容的提问来源于stack exchange，提问作者Yik Chuan Low