Pandas新手求助：如何实现基于子串匹配的左连接？

嘿，作为Pandas新手碰到这种子串匹配+左连接的需求太正常了！我给你整理了几种不同场景下的实现方法，你可以根据自己的数据集大小和格式来选～

先准备示例数据 #

先创建两个测试用的DataFrame，方便你跟着代码实操：

import pandas as pd

# 左表：需要保留所有行的DataFrame
df1 = pd.DataFrame({
    'parcel': ['ABC123', 'DEF456', 'GHI789', 'JKL012'],
    'value1': [10, 20, 30, 40]
})

# 右表：用来匹配子串的DataFrame
df2 = pd.DataFrame({
    'parcel_id': ['X-ABC123-Y', 'Z-DEF456-W', 'M-NOP345-Q'],
    'value2': [100, 200, 300]
})

方法1：逐行匹配（适合小数据集） #

如果你的数据量不大，用apply逐行处理最直观，逻辑也容易理解：

# 定义一个函数，根据parcel值查找匹配的value2
def get_matching_value(parcel_str):
    # 筛选右表中parcel_id包含当前parcel的行
    matched_rows = df2[df2['parcel_id'].str.contains(parcel_str)]
    # 有匹配返回第一个结果，无匹配返回空值
    return matched_rows['value2'].iloc[0] if not matched_rows.empty else pd.NA

# 给左表添加匹配到的列
df1['value2'] = df1['parcel'].apply(get_matching_value)

print(df1)

运行后会得到你要的左连接结果：

方法2：交叉连接+过滤（适合中等数据集） #

如果数据量稍大，逐行apply会比较慢，用交叉连接+向量化过滤的效率更高：

# 给两个表加临时key，用于做交叉连接
df1['temp_key'] = 1
df2['temp_key'] = 1

# 生成所有可能的组合
cross_df = pd.merge(df1, df2, on='temp_key')

# 筛选出parcel_id包含对应parcel的行
matched_df = cross_df[cross_df['parcel_id'].str.contains(cross_df['parcel'])]

# 左连接回原左表，保留所有行
result_df = df1.merge(
    matched_df[['parcel', 'parcel_id', 'value2']],
    on='parcel',
    how='left'
).drop('temp_key', axis=1)

print(result_df)

方法3：提取固定格式子串（效率最高，适合有规律的场景） #

如果你的parcel在parcel_id里是固定格式的片段（比如都是被-包裹的中间部分），直接提取后做等值连接是最快的：

# 从parcel_id中提取出和parcel匹配的部分（这里假设格式是X-XXX-Y）
df2['parcel'] = df2['parcel_id'].str.extract(r'-(.*)-')

# 直接做左连接，完美匹配
result_df = df1.merge(df2[['parcel', 'parcel_id', 'value2']], on='parcel', how='left')

print(result_df)

额外注意事项 #

• 子串匹配默认区分大小写，如果需要忽略大小写，在str.contains里加case=False参数即可，比如df2['parcel_id'].str.contains(parcel_str, case=False)
• 如果右表中有多个匹配项，上面的方法会返回第一个匹配结果，你可以根据需求修改逻辑（比如返回所有匹配值的列表、最大值等）

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