Pandas中基于字符串包含匹配双DataFrame生成新列

核心逻辑：遍历df1的A列每个值，在df2的B列中查找包含该值的行，提取对应C列值赋值到df1的新列。

完整实现代码 #

首先导入依赖并构造示例测试数据：

import pandas as pd

# 构造示例df1
df1 = pd.DataFrame({
    'A': ['code', 'other', 'medium'],
    'X': ['...', '...', '...'],
    'Y': ['...', '...', '...'],
    'Z': ['...', '...', '...']
})

# 构造示例df2
df2 = pd.DataFrame({
    'B': ['small/medium', 'large', 'other part', 'code 01'],
    'C': ['ID 20', 'ID 2', 'ID 8', 'ID 9'],
    'P': ['...', '...', '...', '...'],
    'Q': ['...', '...', '...', '...']
})

核心匹配逻辑：

def get_matched_c(a_val):
    # 筛选df2中B列包含当前A列值的行，na=False避免空值报错
    matched = df2[df2['B'].str.contains(a_val, na=False)]
    # 有匹配返回第一个对应C值，无匹配返回空值
    return matched['C'].iloc[0] if not matched.empty else pd.NA

df1['new_col'] = df1['A'].apply(get_matched_c)

执行后得到的df1和预期输出完全一致：

可选优化说明 #

• 若不需要区分大小写匹配，可在str.contains中添加参数case=False
• 若数据量较大（十万级以上），可以提前将df2的B、C列转为映射字典，避免逐行遍历df2提升效率
• 若存在多个匹配结果的场景，可按需调整返回规则，比如拼接所有匹配的C值、取最新匹配值等

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