Pandas如何合并两个DataFrame并按列匹配结果添加0/1标记列

首先构造测试用的两个DataFrame，和描述的数据源完全一致：

import pandas as pd

# 待匹配数据集
df1 = pd.DataFrame({
    'name': ['apple', 'apple', 'banana', 'banana'],
    'number': [102, 104, 103, 105]
})

# 基准对比数据集
df2 = pd.DataFrame({
    'name': ['apple', 'banana'],
    'number': [102, 105]
})

方法1：左连接实现（完全匹配左连接逻辑，大数据量下性能更优） #

关联键使用name+number联合匹配，避免不同name下相同number值导致的误匹配：

# 给基准表添加匹配标记
df2_flag = df2.assign(match=1)
# 左连接关联两个表
df_res = df1.merge(df2_flag, on=['name', 'number'], how='left')
# 未匹配到的行填充0，转为整数类型
df_res['match'] = df_res['match'].fillna(0).astype(int)

方法2：集合判断实现（小数据量下写法更简洁） #

把基准表的(name, number)组合转为集合，逐行判断当前行组合是否存在于集合中：

df_res = df1.copy()
# 生成基准匹配对集合
match_set = set(zip(df2['name'], df2['number']))
# 逐行判断生成match列
df_res['match'] = df_res.apply(
    lambda row: 1 if (row['name'], row['number']) in match_set else 0, 
    axis=1
)

执行以上任意一种方法后，打印df_res即可得到预期结果：

name  number  match
0   apple     102      1
1   apple     104      0
2  banana     103      0
3  banana     105      1

注意：如果业务规则不需要区分name，只要number值出现在基准表的number列就算匹配，只需要把关联键改为['number']，或者集合里只存df2['number']的值即可。联合匹配是更严谨的写法，能避免跨分类同值导致的匹配错误。

内容的提问来源于stack exchange，提问作者stephsmith