You need to enable JavaScript to run this app. Pandas 如何基于BillNo1、BillNo2列的部分字符串匹配合并两个DataFrame
优惠活动
大模型
产品
解决方案
定价
更多

Pandas 如何基于BillNo1、BillNo2列的部分字符串匹配合并两个DataFrame

Pandas 基于部分单号匹配的两表关联合并实现

核心匹配逻辑说明

  • 硬关联前置校验:仅在同一ID、同一Amount的记录范围内匹配,避免跨客户、跨金额的错配
  • 单号匹配规则:从BillNo1、BillNo2的字符串中提取连续数字组成的核心编号串,核心串完全一致即判定为匹配成功,完全覆盖示例中带斜杠、带前后缀的单号场景

分步实现代码

1. 依赖导入与核心编号提取函数

import pandas as pd
import re

def extract_core_billno(text):
    """从单号字符串中提取连续数字组成的核心匹配值"""
    if pd.isna(text):
        return ""
    return "".join(re.findall(r"\d+", str(text)))

2. 数据预处理

为两个数据框生成匹配用的核心编号列:

df1["core_billno"] = df1["BillNo1"].apply(extract_core_billno)
df2["core_billno"] = df2["BillNo2"].apply(extract_core_billno)

3. 全外连接关联

基于ID、Amount、核心编号三个字段做外连接,保留全部未匹配记录:

merged = df1.merge(
    df2,
    on=["ID", "Amount", "core_billno"],
    how="outer",
    suffixes=("_df1", "_df2")
)

4. 拆分匹配/未匹配结果集

# 匹配成功结果:两表单号均非空的记录
matched = merged.dropna(subset=["BillNo1", "BillNo2"])[
    ["Date_df1", "ID", "Amount", "BillNo1", "BillNo2"]
].rename(columns={"Date_df1": "Date"}).reset_index(drop=True)

# 未匹配成功结果:合并df1侧无对应记录、df2侧无对应记录的条目
unmatched_from_df1 = merged[merged["BillNo2"].isna()][
    ["Date_df1", "ID", "Amount", "BillNo1"]
].rename(columns={"Date_df1": "Date"})
unmatched_from_df2 = merged[merged["BillNo1"].isna()][
    ["Date_df2", "ID", "Amount", "BillNo2"]
].rename(columns={"Date_df2": "Date"})
non_matched = pd.concat([unmatched_from_df1, unmatched_from_df2]).reset_index(drop=True)

可调整点

  • 如果匹配规则需要保留单号中的部分字母片段,可修改extract_core_billno内的正则表达式,匹配需要保留的字符规则即可
  • 如果存在同ID同Amount下同一核心单号对应多条重复记录的场景,可在合并前增加drop_duplicates逻辑去重,避免冗余匹配

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.11 02:06:11