如何基于多条件和动态概率对两个DataFrame执行三次左连接

默认你使用Python Pandas处理数据框，其他工具的实现逻辑可以参考该思路调整。

前置假设 #

• DF B包含用于抽取的数值列，列名为b_val
• 你可以根据自身业务需求修改自定义概率的计算逻辑，示例中的概率为参考你的需求预设，可自行调整

核心实现代码 #

import pandas as pd
import numpy as np

# ---------------------- 1. 准备示例数据，可替换为真实数据 ----------------------
# 构造DF A
df_a = pd.DataFrame({
    'amount': [120, 80, 150, 90]
})
# 构造DF B
df_b = pd.DataFrame({
    'b_val': [80,90,100,110,120,130,140,150,160,170,999]
})
b_values = df_b['b_val'].tolist()

# ---------------------- 2. 定义自定义概率抽取函数 ----------------------
def sample_a_col(amount, b_vals):
    # 筛选<=amount的候选值
    candidates = [v for v in b_vals if v <= amount]
    if not candidates:
        return np.nan # 无候选值时返回空，可根据需求调整
    # 自定义概率：可自行修改键值对匹配业务规则
    prob_map = {
        120:0.2, 110:0.05, 100:0.5, 90:0.1, 80:0.15
    }
    # 按候选值匹配权重，无匹配项默认均分权重
    probs = [prob_map.get(v, 1/len(candidates)) for v in candidates]
    # 权重归一化避免总和不为1
    probs = np.array(probs) / sum(probs)
    return np.random.choice(candidates, p=probs)

def sample_b_col(amount, b_vals):
    # 筛选>amount且不等于999的候选值
    candidates = [v for v in b_vals if v > amount and v != 999]
    if not candidates:
        return np.nan
    # 自定义概率：可自行修改键值对匹配业务规则
    prob_map = {
        130:0.2,140:0.05,150:0.5,160:0.1,170:0.15
    }
    probs = [prob_map.get(v, 1/len(candidates)) for v in candidates]
    probs = np.array(probs) / sum(probs)
    return np.random.choice(candidates, p=probs)

# ---------------------- 3. 给DF A赋值三个列 ----------------------
df_a['A'] = df_a['amount'].apply(lambda x: sample_a_col(x, b_values))
df_a['B'] = df_a['amount'].apply(lambda x: sample_b_col(x, b_values))
df_a['C'] = 999

# 输出结果
print(df_a)

逻辑说明 #

• 如果自定义概率需要按动态规则生成（比如距离amount越近权重越高），可以直接替换两个抽取函数中prob的生成逻辑
• 如果数据量很大（百万行以上），可以把逐行apply改成预分组处理：先把DF A按amount分组，每组统一抽取候选值，性能提升会非常明显
• 需求中提到的三次左连接本质是按不同条件匹配DF B的候选值，上述实现已经覆盖了所有匹配规则，不需要显式写三次merge操作，性能更高

内容的提问来源于stack exchange，提问作者ABC