基于三类条件的部分字符串匹配实现Pandas数据集左连接

我来帮你搞定这个左连接的匹配逻辑，分两步拆解会更清晰：

第一步：格式化CodeA为标准4位编码 #

因为CodeA可能是2、3或4位，得先补尾随零统一成4位格式，这里给你两种常用场景的实现方式：

SQL 实现 #

把CodeA转成字符串后补零（适配多数关系型数据库）：

SELECT 
  *,
  RIGHT('0000' + CAST(CodeA AS VARCHAR(4)), 4) AS FormattedCodeA
FROM DatasetA

注：如果是MySQL可以用LPAD(CodeA, 4, '0')，逻辑是一样的

Pandas 实现 #

用字符串填充方法直接补零：

import pandas as pd

df_a['FormattedCodeA'] = df_a['CodeA'].astype(str).str.zfill(4)

第二步：实现动态左连接匹配 #

核心是根据FormattedCodeA的后缀情况，匹配对应的4位CodeB，直接上可运行的代码：

SQL 左连接写法 #

在ON子句里直接写条件判断，逻辑一目了然：

SELECT 
  a.*,
  b.*
FROM (
  SELECT 
    *,
    RIGHT('0000' + CAST(CodeA AS VARCHAR(4)), 4) AS FormattedCodeA
  FROM DatasetA
) a
LEFT JOIN DatasetB b
ON 
  -- 情况1：最后两位是00，匹配前两位相同的CodeB
  (RIGHT(a.FormattedCodeA, 2) = '00' AND LEFT(b.CodeB, 2) = LEFT(a.FormattedCodeA, 2))
  OR
  -- 情况2：仅最后一位是0（倒数第二位非0），匹配前三位相同的CodeB
  (RIGHT(a.FormattedCodeA, 1) = '0' AND RIGHT(a.FormattedCodeA, 2) != '00' AND LEFT(b.CodeB, 3) = LEFT(a.FormattedCodeA, 3))
  OR
  -- 情况3：完整四位非零尾，完全匹配
  (RIGHT(a.FormattedCodeA, 1) != '0' AND b.CodeB = a.FormattedCodeA)

Pandas 左连接写法 #

先给数据集标记匹配类型，再分情况合并：

# 给DatasetB添加不同长度的前缀匹配键
df_b['Prefix2'] = df_b['CodeB'].str[:2]
df_b['Prefix3'] = df_b['CodeB'].str[:3]
df_b['FullCode'] = df_b['CodeB']

# 给DatasetA标记匹配类型和对应键
def get_match_rule(row):
    code = row['FormattedCodeA']
    if code.endswith('00'):
        return ('prefix2', code[:2])
    elif code.endswith('0'):
        return ('prefix3', code[:3])
    else:
        return ('full', code)

df_a[['match_type', 'match_key']] = df_a.apply(get_match_rule, axis=1, result_type='expand')

# 分情况匹配后合并结果
match_prefix2 = pd.merge(df_a[df_a['match_type'] == 'prefix2'], df_b, left_on='match_key', right_on='Prefix2', how='left')
match_prefix3 = pd.merge(df_a[df_a['match_type'] == 'prefix3'], df_b, left_on='match_key', right_on='Prefix3', how='left')
match_full = pd.merge(df_a[df_a['match_type'] == 'full'], df_b, left_on='match_key', right_on='FullCode', how='left')

final_df = pd.concat([match_prefix2, match_prefix3, match_full]).sort_index()

关键注意点 #

• 一定要把编码转成字符串类型处理，避免数字补零时丢失前导零（比如数字20转成字符串'20'再补零是'0020'，数字类型直接补零会变成2000，完全错误）
• SQL函数可能因数据库不同略有差异，比如PostgreSQL用LPAD，SQL Server用RIGHT，按需调整即可

内容的提问来源于stack exchange，提问作者user3242036