Pandas左连接子字符串匹配方法

大家好，今天本人给大家带来文章《Pandas 左连接实现方法：基于子字符串匹配》，文中内容主要涉及到，如果你对文章方面的知识点感兴趣，那就请各位朋友继续看下去吧~希望能真正帮到你们，谢谢！

本文介绍一种高效、可靠的方法：通过正则提取 + 左连接，将 DataFrame `a` 中的名称字段与 DataFrame `b` 的 ID 字段（含前缀格式如 `"Name-123"`）进行子字符串匹配关联，并确保一对多关系正确展开。

在实际数据处理中，常遇到“模糊主键”场景：一个表（如 a）含规范名称（"Name"），另一表（如 b）含复合标识符（"ID"，如 "Boomhaur-2345"），需按名称是否为 ID 的前缀子串建立关联。此时无法直接使用 merge(on=...)，但可通过正则表达式精准提取并桥接。

核心思路分两步：

1. 从 b["ID"] 中提取所有可能匹配 a["Name"] 的子串，生成临时键 _name；
2. 以 a["Name"] 与 b["_name"] 为键执行左连接（left merge），天然支持 a 中单个名称匹配 b 中多个 ID（如 "Bill" → "Bill-000" 和 "Bill-001"），且未匹配项自动填充 NaN（如 "Hank"）。

以下是完整可运行代码：

import pandas as pd

# 构造示例数据
a = pd.DataFrame({"Name": ["Boomhaur", "Dale", "Bill", "Hank"]})
b = pd.DataFrame({"ID": ["Boomhaur-2345", "Dale-999999", "Bill-000", "Bill-001", "Peggy-420"]})

# 步骤1：构建正则模式，确保单词边界匹配（避免 'Bill' 错配 'Billy'）
names_pattern = r'\b(' + '|'.join(a['Name'].str.replace(r'[^\w]', r'\\$0', regex=True)) + r')\b'
b['_name'] = b["ID"].str.extract(names_pattern)

# 步骤2：左连接，保留 a 全部行，扩展匹配的 ID 及其他字段
result = a.merge(b, how='left', left_on='Name', right_on='_name').drop(columns=['_name'])

print(result)

输出结果：

      Name             ID
0  Boomhaur  Boomhaur-2345
1      Dale    Dale-999999
2      Bill       Bill-000
3      Bill       Bill-001
4      Hank            NaN

✅ 关键注意事项：

• 使用 \b（单词边界）防止部分匹配（如 "Bill" 不应匹配 "Billy-123"）；
• 对 a["Name"] 中可能含正则元字符（如 .、*、+）的值，务必先用 str.replace(..., regex=True) 转义，否则正则会失效或报错；
• 若 b 含多列需保留，merge 会自动带入（无需额外操作）；
• how='left' 确保 a 行数不变，未匹配项 ID 为 NaN，符合题目中 "Hank → NaN" 的要求。

该方案时间复杂度为 O(n·m)，适用于中等规模数据；若数据量极大（百万级），可考虑预构建 b 的映射字典或使用 swifter 加速正则提取。

本篇关于《Pandas左连接子字符串匹配方法》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！