如何用Pandas匹配两个DataFrame字符串并提取匹配行至新DataFrame

嘿，我来帮你搞定这个需求！你的目标是从df1里找出那些任意单元格内容出现在df2任意位置的行，然后把这些行整理成规范的新DataFrame对吧？先看看你现有代码里的几个小问题，再给你两个高效靠谱的实现方案。

先说说原代码里的问题（帮你避坑） #

1. 变量逻辑混乱：比如string = df1.iloc[[z]]里的z是df2的行索引，明显应该取df1的当前行；而且收集行的方式会导致最终的Registered是一堆小DataFrame的列表，没法直接转成规范的df3。
2. 循环嵌套冗余：多层for+while循环完全没必要，而且found = repr(key) in repr(data)里的key和data都没定义，直接运行会报错。
3. 大小写处理无效：repr(cell).lower()没有赋值给变量，等于白做，没法实现大小写不敏感的匹配。

方案一：用Pandas向量化操作（高效首选） #

Pandas最擅长的就是向量化处理，比手动循环快N倍，尤其适合大数据量的情况。核心思路是先把df2的所有内容转成一个快速查找的集合，再批量检查df1的每一行：

import pandas as pd

# 先读取你的两个CSV文件
df1 = pd.read_csv("你的第一个CSV文件路径.csv")
df2 = pd.read_csv("你的第二个CSV文件路径.csv")

# 把df2的所有非空值转成小写集合（集合查找是O(1)速度）
df2_all_values = set(df2.stack().dropna().str.lower())

# 生成筛选掩码：检查df1每一行是否有任意单元格（转小写）在df2的集合里
match_mask = df1.apply(
    lambda row: row.astype(str).str.lower().isin(df2_all_values).any(),
    axis=1  # axis=1表示按行处理
)

# 筛选出匹配的行，重置索引让格式更规范
df3 = df1[match_mask].reset_index(drop=True)

关键细节说明：

• stack()把df2转换成一维序列，方便一次性提取所有值
• dropna()跳过空值，避免把空单元格误判为匹配项
• str.lower()统一大小写，实现不区分大小写的匹配（如果需要严格区分，去掉这个就行）
• reset_index(drop=True)让df3的索引从0开始，格式更整洁

方案二：手动循环实现（适合理解逻辑） #

如果你想更直观地理解每一步的逻辑，这个修正后的循环版本更清晰：

import pandas as pd

df1 = pd.read_csv("你的第一个CSV文件路径.csv")
df2 = pd.read_csv("你的第二个CSV文件路径.csv")

# 先预处理df2的所有值，存到小写集合里（避免每次循环都遍历df2，提升效率）
df2_values = set()
for column in df2.columns:
    for value in df2[column].dropna():
        df2_values.add(str(value).lower())

# 用来存储匹配到的行
matched_rows = []

# 遍历df1的每一行
for _, row in df1.iterrows():
    # 检查当前行的每个单元格
    for cell in row:
        cell_str = str(cell).lower()
        if cell_str in df2_values:
            # 找到匹配，把整行加入列表，然后跳出当前行的检查
            matched_rows.append(row)
            break

# 把列表转成规范的DataFrame，重置索引
df3 = pd.DataFrame(matched_rows).reset_index(drop=True)

最后验证一下 #

运行完代码后，你可以用df3.head()或者print(df3)查看结果，确保是你想要的格式：所有从df1里筛选出来的、任意单元格内容在df2里出现过的行，索引连续，结构和df1一致。

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