如何基于OR条件合并Pandas DataFrame（col_1或col_2匹配col_3）

• 需求说明：将包含col_1、col_2的df_a，与包含col_3的df_b，基于col_1 == col_3 或 col_2 == col_3的OR条件合并，且无需分两次执行merge操作。

方案一：利用merge(how='cross') + query（Pandas 1.2.0及以上版本） #

直接通过交叉合并生成笛卡尔积，再筛选符合OR条件的行，一步完成：

import pandas as pd

# 示例数据
df_a = pd.DataFrame({'col_1': [1, 2, 3], 'col_2': [4, 5, 6]})
df_b = pd.DataFrame({'col_3': [2, 5, 7]})

# 单步合并并筛选
merged_df = df_a.merge(df_b, how='cross').query('col_1 == col_3 or col_2 == col_3')

方案二：手动构造交叉连接（兼容低版本Pandas） #

给两个DataFrame添加临时键实现交叉合并，再过滤条件并删除临时键：

import pandas as pd

# 示例数据
df_a = pd.DataFrame({'col_1': [1, 2, 3], 'col_2': [4, 5, 6]})
df_b = pd.DataFrame({'col_3': [2, 5, 7]})

# 添加临时键并合并筛选
df_a['temp_key'] = 1
df_b['temp_key'] = 1
merged_df = df_a.merge(df_b, on='temp_key').query('col_1 == col_3 or col_2 == col_3').drop('temp_key', axis=1)

两种方案均无需拆分两次merge操作，直接通过交叉合并后过滤的方式实现OR条件的合并逻辑，避免了重复合并后去重的额外步骤。

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