pandas合并DataFrame时能否限制指定数据框行的最大使用次数

实现思路 #

核心是先保留dfA的原始顺序和dfB的行顺序，通过同type关联得到所有候选匹配，再按优先级筛选结果，保证每个dfB行的使用次数不超过其n值：

1. 给dfA加原始索引列，避免排序打乱原有顺序；给dfB加自身行索引，唯一标识每一行
2. 按type关联两个表，得到同type下的所有匹配组合
3. 按dfA原始顺序、dfB行顺序排序，保证匹配优先级符合要求
4. 控制每个dfB行的使用次数不超过n，同时每个dfA行只保留第一个匹配到的结果
5. 左连接回原始dfA，无匹配的name字段填充为NO MATCH

代码实现 #

import pandas as pd

def match_df(dfA, dfB):
    # 添加索引保留原有顺序
    dfA = dfA.reset_index(names='orig_idx')
    dfB = dfB.reset_index(names='b_idx')
    
    # 按type关联所有同类型候选
    merged = dfA[['orig_idx', 'type']].merge(dfB, on='type', how='left')
    
    # 按优先级排序：先按dfA原始顺序，再按dfB行顺序
    merged = merged.sort_values(by=['orig_idx', 'b_idx'], ignore_index=True)
    
    # 控制每个dfB行的使用次数不超过对应n值
    merged['b_used_cnt'] = merged.groupby('b_idx').cumcount() + 1
    merged = merged[merged['b_used_cnt'] <= merged['n']]
    
    # 每个dfA行只保留第一个匹配到的结果
    merged = merged.drop_duplicates(subset=['orig_idx'], keep='first')
    
    # 左连接回原dfA，填充无匹配的值
    res = dfA.merge(merged[['orig_idx', 'name']], on='orig_idx', how='left')
    res['name'] = res['name'].fillna('NO MATCH')
    
    # 按原始顺序返回结果，去掉辅助列
    return res.sort_values(by='orig_idx')[['type', 'name']].reset_index(drop=True)

测试验证 #

第一个示例测试

# 构造第一个示例数据
dfA = pd.DataFrame({'type': ['A', 'B', 'A', 'B', 'A']})
dfB = pd.DataFrame({
    'type': ['A', 'B', 'A', 'B'],
    'name': ['123', '123', '456', '789'],
    'n': [1, 1, 1, 1]
})

print(match_df(dfA, dfB))

第二个示例测试

# 调整dfA顺序为第二个示例的输入
dfA = pd.DataFrame({'type': ['B', 'A', 'B', 'A', 'B']})
print(match_df(dfA, dfB))

两次运行结果完全符合需求规则，dfB行使用次数不超过n值，无匹配时返回NO MATCH。

内容的提问来源于stack exchange，提问作者Jan T.