基于年份与多列人员匹配合并DataFrame的技术问询

针对你提出的合并需求，这里有两种实用的方案，都能处理df2中person1与person2互换的情况：

方案一：直接基于布尔条件合并+去重 #

这种方法先完成初步合并，再筛选符合条件的行，最后通过生成统一的人员组合码来去重，避免同一组合重复匹配：

1. 先给df2生成人员组合码：将person1和person2按字母顺序排序后拼接，这样不管顺序如何，同一人员组合的编码一致

import pandas as pd

# 给df2生成匹配码
df2['matchup_code'] = df2[['person1', 'person2']].apply(
    lambda row: '_'.join(sorted([row['person1'], row['person2']])),
    axis=1
)

2. 基于年份合并df1和df2，再筛选出df1的person1匹配df2任意一个人员的行

# 初步合并（按年份）
merged = pd.merge(df1, df2, on='year', how='left')

# 筛选匹配条件：df1的person1等于df2的person1或person2
filtered = merged[(merged['person1_x'] == merged['person1_y']) | (merged['person1_x'] == merged['person2_y'])]

3. 去重：保留每个(year, df1的person1, 组合码)的唯一行，避免df2中互换人员的重复匹配

final_df = filtered.drop_duplicates(subset=['year', 'person1_x', 'matchup_code'])

方案二：拆分df2后合并（更直观的匹配逻辑） #

把df2拆分成两个子表，分别以person1和person2作为匹配键，再合并后去重：

1. 拆分df2为两个版本，分别用person1和person2作为匹配字段

# 版本1：用df2的person1作为匹配键
df2_p1 = df2.rename(columns={'person1': 'target_person'}).drop(columns=['person2'])
# 版本2：用df2的person2作为匹配键
df2_p2 = df2.rename(columns={'person2': 'target_person'}).drop(columns=['person1'])

# 合并两个版本
df2_expanded = pd.concat([df2_p1, df2_p2], ignore_index=True)

2. 直接基于年份和匹配键合并df1和扩展后的df2

merged = pd.merge(
    df1,
    df2_expanded,
    left_on=['year', 'person1'],
    right_on=['year', 'target_person'],
    how='left'
)

3. 生成组合码并去重，解决人员互换的重复问题

# 重新生成组合码（如果原df2的person1/person2还在的话）
merged['matchup_code'] = merged.apply(
    lambda row: '_'.join(sorted([row['person1_y'], row['person2_y']])),
    axis=1
)
final_df = merged.drop_duplicates(subset=['year', 'person1', 'matchup_code'])

关于你提到的ASCII码乘积方案 #

这个思路的核心是用人员的ASCII码计算一个“唯一”值，比如乘积或求和，让互换后的组合得到相同的结果。示例代码如下：

# 定义计算ASCII乘积的函数
def get_ascii_product(person):
    return ord(person[0]) * ord(person[1]) if len(person)>=2 else ord(person)

# 给df2生成乘积码
df2['ascii_match_code'] = df2.apply(
    lambda row: get_ascii_product(row['person1']) * get_ascii_product(row['person2']),
    axis=1
)

但需要注意哈希冲突的问题：不同的人员组合可能会得到相同的乘积（比如"AB"和"BA"没问题，但"AC"和"BD"有可能乘积相同），导致错误匹配。相比之下，排序拼接字符串的方法更可靠，几乎不会出现冲突。

内容的提问来源于stack exchange，提问作者Jim