Pandas数据帧间的完全字符串匹配实现问题

老哥，我太懂你这种翻了一堆问题还是踩坑的崩溃感了！要实现这种完全字符串匹配其实没那么复杂，你之前大概率是不小心用了支持部分匹配的方法（比如str.contains()），咱们直接用Pandas原生的精确匹配方案就行，给你一步步说清楚：

首先先把你给出的两个数据帧用代码还原出来，方便你直接复现测试：

import pandas as pd

# 构造你的DataFrame A
df_a = pd.DataFrame({
    'ID': [1,2,3,4,5,6,7],
    'Text': ['admin', 'Care', 'Office', 'Doctor', 'be', 'to', 'in'],
    'score': [10.4, 2.0, 5.0, 0.5, 0.2, 0.9, 0.8]
})

# 构造你的DataFrame B
df_b = pd.DataFrame({
    'ID': [1,2],
    'Labels': ['Office', 'Doctor'],
    'Places': ['Upper', 'Lower']
})

方法一：用isin()实现精确匹配（最简洁） #

isin()是Pandas专门用来做精确成员检查的方法，完全符合你要的“整串完全匹配”需求，直接筛选df_a中Text列的值完全出现在df_b的Labels列里的行：

# 筛选完全匹配的行
filtered_df = df_a[df_a['Text'].isin(df_b['Labels'])]
print(filtered_df)

运行后得到的结果就是你要的：只保留Text为Office和Doctor的行，完全不会出现部分匹配的情况。

方法二：用merge()实现精确匹配（适合需要关联两表数据的场景） #

如果你之后还需要把df_b里的其他列（比如Places）也关联过来，用merge()更合适，指定how='inner'（内连接）就只会保留完全匹配的行：

# 内连接，只保留Text和Labels完全匹配的行
merged_df = pd.merge(df_a, df_b, left_on='Text', right_on='Labels', how='inner')
# 如果只需要保留原df_a的列，直接筛选就行
merged_df = merged_df[df_a.columns]

额外注意事项（踩坑预警！） #

很多人会遇到“明明字符串看起来一样却匹配不上”的情况，大概率是字符串前后有隐形的空格或者换行符，建议先做一步清洗：

# 去除字符串两端的空白字符（空格、换行、制表符等）
df_a['Text'] = df_a['Text'].str.strip()
df_b['Labels'] = df_b['Labels'].str.strip()

先做清洗再匹配，能避免很多莫名其妙的失败~

备注：内容来源于stack exchange，提问作者Rose_Trojan