如何合并pandas中无重叠列、长度不同的DataFrame以匹配公司与网站信息

以下两种方案均可实现你要的合并效果，最终输出包含4个指定字段，无匹配的网站相关字段自动填充NaN。

前置准备：示例数据构造 #

import pandas as pd

# 公司信息表
df1 = pd.DataFrame({
    "Company": ["name1", "name2"],
    "other info 1": ["info1_1", "info1_2"]
})

# 网站信息表
df2 = pd.DataFrame({
    "Website": ["www.name1.com"],
    "other info 2": ["info2_1"]
})

方案1：模糊相似度匹配（适配公司名和网址部分重叠的场景） #

• 依赖安装：使用前执行pip install fuzzywuzzy python-Levenshtein安装匹配库
• 实现代码：

from fuzzywuzzy import fuzz

def match_by_similarity(company_name, web_df, threshold=70):
    max_score = 0
    matched = None
    for _, row in web_df.iterrows():
        # 可自行修改为只匹配域名部分，提升准确率
        score = fuzz.partial_ratio(company_name.lower(), row["Website"].lower())
        if score > max_score and score >= threshold:
            max_score = score
            matched = row
    return matched if matched is not None else pd.Series([None, None], index=["Website", "other info 2"])

df_merged = pd.concat([
    df1,
    df1["Company"].apply(lambda x: match_by_similarity(x, df2))
], axis=1)

• 可通过调整threshold阈值控制匹配严格度，数值越高匹配越严格。

方案2：自定义关键词检索匹配（支持指定关键词规则） #

你可以自行预设每个公司对应的匹配关键词，完全适配你的业务规则：

# 自定义公司-关键词映射，可按需扩充
company_keywords = {
    "name1": ["name1", "name1官方", "name1官网"],
    "name2": ["name2", "name2科技", "name2集团"]
}

def match_by_keyword(company_name, web_df, keyword_map):
    keywords = keyword_map.get(company_name, [])
    for _, row in web_df.iterrows():
        if any(kw.lower() in row["Website"].lower() for kw in keywords):
            return row
    return pd.Series([None, None], index=["Website", "other info 2"])

df_merged = pd.concat([
    df1,
    df1["Company"].apply(lambda x: match_by_keyword(x, df2, company_keywords))
], axis=1)

效果说明 #

最终输出的df_merged符合你的要求，示例结果如下：

优化建议 #

• 若网站数据量较大，可先提取网站域名部分做预处理，减少匹配计算量提升效率
• 若有已知的公司-网站对应关系，可先做硬匹配，剩余数据再走模糊/关键词匹配，准确率更高

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