Pandas实现SQL非等值JOIN的方法咨询

嘿，这个问题很常见——pandas的merge默认只支持等值连接，所以直接在on参数里加非等值条件是行不通的。不过我们有几种简单的方法来实现你想要的逻辑，完全贴合你的需求：

方法一：先左连接，再过滤条件（最直观） #

先按你原来的逻辑用name和city做左连接，之后再筛选出满足df1.year >= df2.year_min的行，同时保留左连接中df2没有匹配到的原始df1行（这是左连接的核心特性）：

# 第一步：基于name和city完成左连接
joined_df = pd.merge(df1, df2, how='left', on=['name', 'city'])
# 第二步：过滤满足year条件的行，同时保留df2无匹配的行（year_min为NaN的情况）
joined_df = joined_df[(joined_df['year'] >= joined_df['year_min']) | joined_df['year_min'].isna()]

如果你喜欢更简洁的写法，可以用query方法一步到位：

joined_df = pd.merge(df1, df2, how='left', on=['name', 'city']).query('year >= year_min or year_min.isna()')

方法二：实现你给出的SQL内连接逻辑 #

注意到你提供的SQL是普通的JOIN（也就是内连接），如果你的实际需求是只保留同时满足三个条件的行（而不是保留所有df1行），那可以直接用内连接后过滤：

# 内连接+条件过滤，和你写的SQL逻辑完全一致
joined_df = pd.merge(df1, df2, how='inner', on=['name', 'city']).query('year >= year_min')

为什么不能直接在merge里加非等值条件？ #

pandas的merge函数的on/left_on/right_on参数仅支持列名等值匹配，不支持像>=这样的比较运算符。所以必须先完成等值连接，再通过布尔索引或query来筛选非等值条件的行。

内容的提问来源于stack exchange，提问作者firestreak