如何判断Pandas Series元素在另一Series中恰好匹配1次且不重复使用

你要实现的是两个编号列的不重复一对一匹配，核心逻辑是给同编号的重复条目加匹配序号，保证每个条目只能匹配一次，具体实现如下： #

之前三个方案的错误原因 #

• 第一个str.contains写法：str(audit0)会把整个audit0 DataFrame 转成包含索引、列名、所有值的长字符串，用这个长字符串匹配每行的PolicyNumber，自然几乎匹配不到，结果为空。
• 第二个循环写法：语法本身不成立，遍历单列Series无法同时拿到i和row两个参数，且判断条件是单个值和整个Series做比较，返回的布尔数组无法直接用于if判断。
• 第三个merge写法：merge返回的是完整DataFrame，长度和原表coll的长度不一致，直接赋值给单个列会触发维度不匹配报错。

可行实现代码 #

核心思路是给两个编号列的同编号重复项，按出现顺序加匹配序号，用「编号+序号」作为唯一匹配键，保证同编号的第N次出现只会匹配对方的第N次出现，完全满足「匹配过的条目不可重复使用」的要求。

import pandas as pd
import numpy as np

# 步骤1：给Policy #（列表A）的非空条目加匹配序号
df_a = coll[coll["Policy #"].notna()].copy()
df_a["match_seq"] = df_a.groupby("Policy #").cumcount()

# 步骤2：给PolicyNumber（列表B）的非空条目加匹配序号
df_b = coll[coll["PolicyNumber"].notna()].copy()
df_b["match_seq"] = df_b.groupby("PolicyNumber").cumcount()

# 步骤3：按「编号+序号」合并，标记匹配结果
match_result = df_a.merge(
    df_b[["PolicyNumber", "match_seq"]],
    left_on=["Policy #", "match_seq"],
    right_on=["PolicyNumber", "match_seq"],
    how="left"
)
match_result["Payment?"] = np.where(match_result["PolicyNumber"].notna(), "yes", "no")

# 步骤4：把匹配结果合并回原表
coll = coll.merge(
    match_result[["Policy #", "match_seq", "Payment?"]],
    on=["Policy #", "match_seq"],
    how="left"
)
# 可选：删掉不需要的匹配序号列
coll = coll.drop("match_seq", axis=1)

内容的提问来源于stack exchange，提问作者quaaalud