如何在Pandas合并DataFrame时加入指定列取值的关联条件

Pandas 原生的pd.merge()暂不支持直接在关联键参数中写入自定义条件表达式，无法像SQL那样直接在JOIN ON子句中追加多条件判断，目前主流有两种实现方式：

• 方案1：新增临时关联键（最常用、性能最优）
  就是你目前在用的方案，虽然多了一步新增临时列的操作，但执行效率远高于关联后过滤，代码示例如下：

import pandas as pd

# 测试数据集
a =  pd.DataFrame({"ColA":["num 1", "num 2", "num 3"],
                   "ColB":[5,6,7],
                   "ColC":[1,1,0]})
b =  pd.DataFrame({"ColA":["num 1", "num 2", "num 4"],
                   "Colx":[10,16,71],
                   "Coly":[0,0,0]})

# 新增临时关联键：a表满足ColC==1时取0，和b表Coly的值匹配，其余情况取无法匹配的值
a['_tmp_join_key'] = a['ColC'].apply(lambda x: 0 if x == 1 else -1)
b['_tmp_join_key'] = b['Coly']

# 左连接后删除临时列和不需要的Coly列
res = pd.merge(a, b, left_on=['ColA', '_tmp_join_key'], right_on=['ColA', '_tmp_join_key'], how='left')
res = res.drop(columns=['_tmp_join_key', 'Coly'])

运行结果和你预期的输出完全一致。

• 方案2：先关联后过滤（无需新增临时列）
  先按公共字段ColA做左连接，再保留符合关联条件的行，同时保留a表未关联成功的所有行，代码示例如下：

# 先按ColA左连接
temp_df = pd.merge(a, b, on='ColA', how='left')
# 过滤规则：要么关联成功且满足a.ColC==1、b.Coly==0，要么未关联上直接保留a的行
res = temp_df[((temp_df['ColC'] == 1) & (temp_df['Coly'] == 0)) | temp_df['Colx'].isna()].drop(columns='Coly')

两种方案最终输出结果均为：

ColA  ColB  ColC  Colx
0  num 1     5     1  10.0
1  num 2     6     1  16.0
2  num 3     7     0   NaN

内容的提问来源于stack exchange，提问作者bohontw