合并两个DataFrame时如何处理Token顺序匹配以保留关联信息

你遇到的问题很典型——df2里存在token和token2顺序反转的记录（比如sent=1的k g对应df1里的g k），而默认的merge只会严格匹配列顺序完全一致的组合，导致g k这条记录无法匹配到对应的rel=C值。

不需要创建df1的副本，我们可以通过同时匹配正向和反向的Token组合来解决这个问题，具体有两种简洁的实现方式：

方法一：两次合并+填充NaN #

这种方式先做正向匹配，再做反向匹配，最后用反向匹配的结果填充正向匹配的空值，全程不需要复制df1：

# 第一步：正向匹配（原顺序）
df_new = df1.merge(df2, on=["sent", "token", "token2"], how="left")
# 第二步：反向匹配（交换token和token2的顺序）
reverse_match = df1.merge(
    df2,
    left_on=["sent", "token", "token2"],
    right_on=["sent", "token2", "token"],
    how="left",
    suffixes=("", "_reverse")
)
# 第三步：用反向匹配的rel值填充正向匹配的空值
df_new["rel"] = df_new["rel"].fillna(reverse_match["rel_reverse"])

运行后你就能得到想要的df_new，其中sent=1的g k会正确匹配到rel=C。

方法二：预处理df2再合并 #

我们可以临时生成一个包含两种Token顺序的df2扩展版（不修改原df2），然后和df1做一次合并：

import pandas as pd

# 生成df2的反向版本（交换token和token2）
df2_reversed = df2.rename(columns={"token": "token2", "token2": "token"})
# 合并原df2和反向版本，得到包含两种顺序的临时表
df2_combined = pd.concat([df2, df2_reversed], ignore_index=True)
# 和df1做left merge
df_new = df1.merge(df2_combined, on=["sent", "token", "token2"], how="left")

这种方式更直观，而且同样不会创建df1的副本，只是临时处理了df2的结构。

两种方法都能解决你的问题，你可以根据数据量大小选择：如果df2数据量很大，方法一的两次合并效率更高；如果数据量小，方法二的可读性更好。

内容的提问来源于stack exchange，提问作者Mi.