如何在另一DataFrame中匹配同站点特征最相似且不重复的订单行

核心逻辑 #

因为要求按Table1的水果顺序依次匹配，且已匹配订单不可复用，所以不能直接用一次性关联的方式，要采用逐行遍历+状态标记的方案：

• 先保留Table2的原始排序，作为匹配数相同时的优先级依据
• 维护一个已使用订单的集合，每次匹配时排除已被占用的订单
• 对每个水果先筛选同站点的未使用订单，计算每个订单的特征匹配数量
• 按「匹配数降序、Table2原始顺序升序」排序，取排序后的第一个有效结果（匹配数≥1），标记订单为已使用后进入下一个水果的匹配

代码实现（Python Pandas 示例） #

import pandas as pd

# 构造Table1数据
table1 = pd.DataFrame([
    ['Apple', 'Sydney', 'A1', 'B1', 'C1'],
    ['Banana', 'Sydney', 'A1', 'B1', 'C1'],
    ['Cherry', 'Sydney', 'A1', 'B2', 'C1'],
    ['Durian', 'Melbourne', 'A1', 'B1', 'C2'],
    ['Grape', 'Melbourne', 'A2', 'B2', 'C2']
], columns=['Fruit', 'Site', 'Feature1', 'Feature2', 'Feature3'])

# 构造Table2数据，同时保留原始排序字段
table2 = pd.DataFrame([
    ['XX', 'Sydney', 'A2', 'B1', 'C1'],
    ['XY', 'Sydney', 'A1', 'B1', 'C1'],
    ['XZ', 'Sydney', 'A1', 'B1', 'C2'],
    ['YY', 'Melbourne', 'A1', 'B1', 'C1'],
    ['YZ', 'Melbourne', 'A1', 'B1', 'C1'],
    ['ZZ', 'Melbourne', 'A2', 'B1', 'C1']
], columns=['Order', 'Site', 'Feature1', 'Feature2', 'Feature3'])
table2['original_order'] = table2.index

# 初始化状态
used_orders = set()
result = []

# 按顺序遍历每个水果
for _, fruit_row in table1.iterrows():
    fruit = fruit_row['Fruit']
    site = fruit_row['Site']
    f1, f2, f3 = fruit_row['Feature1'], fruit_row['Feature2'], fruit_row['Feature3']
    
    # 筛选同站点未使用的订单
    available_orders = table2[(table2['Site'] == site) & (~table2['Order'].isin(used_orders))].copy()
    if available_orders.empty:
        continue
    
    # 计算每个订单的匹配数
    available_orders['matches'] = (
        (available_orders['Feature1'] == f1).astype(int) +
        (available_orders['Feature2'] == f2).astype(int) +
        (available_orders['Feature3'] == f3).astype(int)
    )
    
    # 过滤掉无匹配的订单，按规则排序
    available_orders = available_orders[available_orders['matches'] >= 1]
    if available_orders.empty:
        continue
    available_orders = available_orders.sort_values(by=['matches', 'original_order'], ascending=[False, True])
    
    # 取最优匹配
    best_match = available_orders.iloc[0]
    result.append({
        'Fruit': fruit,
        'Order': best_match['Order'],
        'Matches': best_match['matches']
    })
    used_orders.add(best_match['Order'])

# 输出结果
result_df = pd.DataFrame(result)
print(result_df)

输出结果 #

运行上述代码得到的结果和你提供的预期完全一致：

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