Pandas中基于连接列字符串片段实现DataFrame内连接的方法

这里有个不用拆分列就能实现需求的方法，核心是利用正则表达式提取两个表JoinColumn里的中间匹配键，临时生成匹配列后完成连接，最后清理临时列即可：

完整代码示例 #

import pandas as pd

# 定义原始DataFrame
Table1= pd.DataFrame({'JoinColumn' : pd.Series(['1_Abc_0','2_Cde_1','3_Efg_0','5_xyz_1'], index=['a', 'b', 'c','d']), 
                      'Col2' : pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd']),
                      'Col3' : pd.Series([1, 2., 3., 4.], index=['a', 'b', 'c', 'd'])})
Table2= pd.DataFrame({'JoinColumn' : pd.Series(['2_Abc_1','2_Cde_0','6_Efg_0','9_xyz_2'], index=['a', 'b', 'c','d']), 
                      'Col2' : pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd']),
                      'Col3' : pd.Series([1, 2., 3., 4.], index=['a', 'b', 'c', 'd'])})

# 执行内连接：提取中间匹配键 -> 连接 -> 清理临时列
merged_result = (Table1.assign(match_key=Table1['JoinColumn'].str.extract(r'_(\w+)_', expand=False))
                 .merge(Table2.assign(match_key=Table2['JoinColumn'].str.extract(r'_(\w+)_', expand=False)),
                       on='match_key', how='inner')
                 .drop('match_key', axis=1))

print(merged_result)

代码说明 #

• 提取中间匹配键：用str.extract(r'_(\w+)_', expand=False)从JoinColumn中捕获被下划线包裹的中间字符串（比如1_Abc_0里的Abc）。如果你的中间字符串包含特殊符号（非字母数字下划线），可以把正则改成r'_([^_]+)_'，这样能匹配任意非下划线的字符。
• 临时列连接：通过assign()临时添加匹配键列，避免修改原始DataFrame，然后基于这个临时列执行内连接。
• 清理临时列：连接完成后用drop()删除临时的match_key列，得到干净的结果。

输出结果 #

执行后会得到四行匹配结果，每个中间字符串（Abc/Cde/Efg/xyz）各对应一行，完全符合内连接的预期。

内容的提问来源于stack exchange，提问作者Shivpe_R