Pandas中基于另一DataFrame列映射列表元素获取对应全字符串

首先，你的思路方向是对的，不过目前的代码还缺少将筛选后的full_string按原始df1的行进行聚合的关键步骤。下面我会先帮你完善现有代码，再提供更简洁的实现方式。

方法一：基于你现有代码的改进 #

你的代码已经完成了匹配筛选，接下来需要把结果按df1的原始行（而非仅cellname）分组，收集对应的full_string：

import pandas as pd

# 给df1添加原始索引，用于后续精准分组
df1 = df1.reset_index(names='original_idx')

# 执行你已完成的匹配筛选步骤
res = df2.merge(df1, on='cellname', how='right').explode('sub_str_list')
res['new'] = [sub in full if sub is not None else False for full, sub in zip(res['full_string'], res['sub_str_list'])]
res = res[res['new'] == True]

# 按原始df1的索引分组，收集匹配的full_string
result = res.groupby(['original_idx', 'cellname', 'sub_str_list'])['full_string'].agg(list).reset_index(drop='original_idx')

# 调整列顺序和名称，匹配预期输出格式
result = result[['cellname', 'sub_str_list', 'full_string']].rename(columns={'full_string': 'fulllist'})

这里给df1添加原始索引是核心——同一个cellname下有多个不同的sub_str_list行，必须确保聚合时不会把不同行的结果混在一起。

方法二：更简洁的实现（利用分组与批量匹配） #

我们可以提前对df2按cellname分组，再针对df1的每一行直接筛选匹配的full_string，避免繁琐的merge和explode操作：

import pandas as pd

# 先把df2按cellname分组，整理成字典：key是cellname，value是对应所有full_string的列表
df2_grouped = df2.groupby('cellname')['full_string'].agg(list).to_dict()

# 定义匹配函数：根据当前行的cellname和子串列表，筛选符合条件的full_string
def get_matched_full_strings(row):
    full_strings = df2_grouped.get(row['cellname'], [])
    # 筛选包含任意子串的full_string
    return [fs for fs in full_strings if any(sub in fs for sub in row['sub_str_list'])]

# 将函数应用到df1的每一行，生成fulllist列
df1['fulllist'] = df1.apply(get_matched_full_strings, axis=1)

这个方法逻辑更直观，性能也更优，尤其适合处理较大规模的数据集。

最终验证结果 #

两种方法都会生成你预期的输出：

内容的提问来源于stack exchange，提问作者anjali