Python pandas基于公共列值合并两个DataFrame的结果异常问题咨询

问题根因 #

你使用的默认merge执行的是全组合内连接匹配：只要Col2和Col4的数值相等，就会把两边的所有同值行做交叉拼接。比如df1里有3行Col2=22的记录（C/D/E），df2里有2行Col4=22的记录（K/L），就会生成3*2=6条组合结果，和你期望的「按行出现顺序一一配对、数量不匹配的多余行直接丢弃」的逻辑完全不符。

实现预期匹配的解决方案 #

核心思路是给两个DataFrame的匹配列，按数值分组生成组内累计序号，把「匹配数值+组内序号」作为联合匹配键，就能实现按顺序一一配对的效果，具体步骤如下：

• 第一步：给df1的Col2列添加组内累计序号，标记同值行的先后顺序
  df1['_match_seq'] = df1.groupby('Col2').cumcount()
• 第二步：给df2的Col4列生成完全相同规则的组内累计序号
  df2['_match_seq'] = df2.groupby('Col4').cumcount()
• 第三步：用「匹配列+临时序号列」做联合内连接，自动剔除无法配对的多余行
  merged_result = df1.merge(df2, left_on=['Col2', '_match_seq'], right_on=['Col4', '_match_seq'], how='inner')
• 第四步：删除临时序号列，重置索引得到最终结果
  final_df = merged_result.drop(columns='_match_seq').reset_index(drop=True)

结果验证 #

按照上述代码运行后，得到的输出完全符合你的预期：

Col1  Col2 Col3  Col4
0    B    12    P    12
1    C    22    K    22
2    D    22    L    22
3    H    60    M    60

逻辑说明：df1中Col2=22的第三条记录E，因为df2没有对应的Col4=22、同序号的记录，会在内连接阶段被自动过滤，不会出现在最终结果里。

内容的提问来源于stack exchange，提问作者TK7372