如何在Pandas中基于两列其一的匹配键合并两个数据表？

针对你的需求，这里提供两种实用的实现方式，均基于「table1.name和alias值唯一」的前提：

方法一：分步匹配补全（优先匹配name） #

先按name做左连接，再对未匹配到的行用alias补全，最终合并结果：

# 1. 先匹配name列
merged_name = table2.merge(table1, how='left', left_on='name_or_alias', right_on='name')
# 2. 筛选未匹配的行，匹配alias列
unmatched_rows = merged_name[merged_name['col3'].isna()].drop(columns=['name', 'alias', 'col3'])
merged_alias = unmatched_rows.merge(table1, how='left', left_on='name_or_alias', right_on='alias')
# 3. 合并结果，自动填充缺失值
final_result = merged_name.combine_first(merged_alias)
# 整理列顺序（可选）
final_result = final_result[['name_or_alias', 'col2', 'col3']]

方法二：重塑table1后一次性匹配 #

把table1的name和alias合并成同一列，再直接左连接，这种方式更简洁：

# 重塑table1：将name和alias转为匹配键列，保留col3
table1_melted = table1.melt(
    id_vars=['col3'],
    value_vars=['name', 'alias'],
    var_name='match_type',  # 可选列，标记是name还是alias匹配的
    value_name='match_key'
)
# 左连接获取结果
final_result = table2.merge(table1_melted, how='left', left_on='name_or_alias', right_on='match_key')
# 清理冗余列（可选）
final_result = final_result[['name_or_alias', 'col2', 'col3']]

注意点 #

• 你之前的代码存在参数错误：merge的第一个参数应该是table1，且需要用left_on和right_on指定两边的连接列（因为列名不同），而不是直接用on。
• 由于table1的name和alias无重复值，两种方法都不会产生重复行，结果一致；如果有优先级需求（比如优先取name的匹配结果），方法一更贴合逻辑。

内容的提问来源于stack exchange，提问作者ail_straw