如何基于部分匹配合并Pandas DataFrame并解决匹配异常

首先，你的代码逻辑走偏了——你把标准关键词拆成单个单词去匹配，再拼接成新的字符串，这就导致拼接后的内容和Standard_Data里的完整关键词完全对不上，自然merge的时候找不到对应的工单（TICKET），出现NaN异常。

举个例子：Standard_Data里的关键词是wires stop passing traffic，你的代码会把它拆成单个单词，然后从文本里提取出stop、passing、traffic，拼接成stop passing traffic，但Standard_Data里根本没有这个关键词，所以merge时自然匹配不到对应的TICKET=60245，反而生成了无效的NaN行。

修正后的思路 #

我们需要直接检查完整的关键词短语（或其连续子串）是否出现在文本中，然后把每个匹配到的关键词和对应的文本、工单关联起来，而不是拆单词拼接。

修正后的代码 #

import pandas as pd

# 读取标准关键词与工单数据（对应你的df1）
Standard_Data = pd.read_excel('bOOK2.xlsx', usecols=[0,1])
# 读取待匹配的文本数据（对应你的df2）
input_data = pd.read_excel('book1.xlsx', usecols=[1])
# 统一列名，避免大小写/拼写不一致的问题
input_data.columns = ['TEXT_DATA']

# 初始化结果DataFrame
result = pd.DataFrame(columns=['KEYWORD', 'TEXT_DATA', 'TICKET'])

# 遍历每一条待匹配文本
for _, text_row in input_data.iterrows():
    current_text = text_row['TEXT_DATA']
    # 找出所有匹配的关键词：
    # 规则是：要么完整关键词出现在文本中，要么关键词的连续子串（至少2个单词）出现在文本中
    matched_keywords = Standard_Data[
        Standard_Data['KEYWORD'].apply(
            lambda kw: 
            # 检查完整关键词是否在文本中
            kw in current_text 
            # 检查关键词的连续多单词子串是否在文本中
            or any(
                ' '.join(kw.split()[i:i+n]) in current_text 
                for n in range(2, len(kw.split())+1) 
                for i in range(len(kw.split()) - n + 1)
            )
        )
    ]
    # 把当前文本关联到匹配的关键词行
    matched_keywords['TEXT_DATA'] = current_text
    # 合并到结果中
    result = pd.concat([result, matched_keywords[['KEYWORD', 'TEXT_DATA', 'TICKET']]], ignore_index=True)

# 打印最终结果
print(result)

运行结果 #

这段代码会输出你期望的结果：

KEYWORD                                        TEXT_DATA  TICKET
0    Burst of bit errors  Burst of bit errors due to stop passing traffic   89814
1  wires stop passing traffic  Burst of bit errors due to stop passing traffic   60245

关键调整点 #

1. 匹配逻辑修正：不再拆单词，而是直接检查完整关键词或其连续子串是否存在于文本中，确保和Standard_Data里的关键词完全对应。
2. 数据关联方式：遍历每个文本，找出所有匹配的关键词，再将每个关键词与文本、工单一一对应，避免merge时的不匹配问题。

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