本文介绍在 pandas 中实现非精确列匹配的 dataframe 合并方法：通过先按公共字段（如 deliveryperiod）左连接，再利用行级字符串包含逻辑（vintage 是否出现在 service 中）筛选并修正 floatprice 值，最终得到符合业务语义的关联结果。
本文介绍在 pandas 中实现非精确列匹配的 dataframe 合并方法：通过先按公共字段（如 deliveryperiod）左连接，再利用行级字符串包含逻辑（vintage 是否出现在 service 中）筛选并修正 floatprice 值，最终得到符合业务语义的关联结果。
在实际数据分析中，常遇到两表无法直接通过等值键（如列名相同、值完全一致）合并的情况。例如本例中，df1 的 Vintage 字段需与 df2 的 Service 字段进行子串匹配（即 Vintage 值是否作为子字符串出现在 Service 中），同时还要满足 DeliveryPeriod 完全相等——这是一种典型的“条件式模糊关联”。
标准 pd.merge() 不支持内置的字符串包含逻辑，因此需分步处理：
-
先按确定字段左连接：选择强约束字段
DeliveryPeriod进行left合并，确保df1所有记录保留，并引入df2的Service和FloatPrice； -
构造布尔掩码进行条件校验：使用
apply(axis=1)对每行判断Vintage是否为Service的子串（注意处理Vintage为None或非字符串类型的情况）； -
修正不匹配行的 FloatPrice：将不满足条件的行
FloatPrice设为0.00（按需求可设为np.nan或其他默认值）； -
清理冗余列：删除临时引入的
Service列，保持结果简洁。
以下是完整可运行代码：
import pandas as pd
import numpy as np
# 构造示例数据
df1 = pd.DataFrame({
'BA': ['A', 'B', 'B', 'C'],
'Product': ['foo', 'foo', 'foo', 'bar'],
'FixedPrice': [10.00, 11.00, 12.00, 2.00],
'Vintage': ['Vintage 2025', 'Vintage 2025', 'Vintage 2024', 'None'],
'DeliveryPeriod': ['Mar25', 'Dec25', 'Sep25', 'Nov25']
})
df2 = pd.DataFrame({
'Service': ['ICE - Vintage 2025', 'ICE - Vintage 2025',
'ICE - Vintage 2024', 'ICE - Vintage 2023'],
'DeliveryPeriod': ['Mar25', 'Dec25', 'Sep25', 'Nov25'],
'FloatPrice': [5.00, 4.00, 6.00, 1.00]
})
# 步骤1：基于 DeliveryPeriod 左连接
merged = df1.merge(df2, on='DeliveryPeriod', how='left')
# 步骤2：构建匹配掩码（兼容 None / NaN / 非字符串）
def vintage_in_service(row):
vintage = row['Vintage']
service = row['Service']
if not isinstance(vintage, str) or not isinstance(service, str):
return False
# 注意：'None' 是字符串，不是缺失值；若需排除字面量'None'，可额外判断
if vintage == 'None':
return False
return vintage in service
mask = merged.apply(vintage_in_service, axis=1)
# 步骤3：不匹配则置为 0.00
merged.loc[~mask, 'FloatPrice'] = 0.00
# 步骤4：删除 Service 列
result = merged.drop(columns=['Service']).round(2)
print(result)
输出结果：
BA Product FixedPrice Vintage DeliveryPeriod FloatPrice 0 A foo 10.0 Vintage 2025 Mar25 5.00 1 B foo 11.0 Vintage 2025 Dec25 4.00 2 B foo 12.0 Vintage 2024 Sep25 6.00 3 C bar 2.0 None Nov25 0.00
⚠️ 注意事项：
-
apply(axis=1)在大数据集上性能较低，若数据量超 10 万行，建议预处理df2：提取Vintage子串并构造标准化映射表，再用map实现向量化匹配； -
Vintage中的'None'是字符串而非空值，若原始数据中存在真正缺失（NaN），需在vintage_in_service中用pd.isna()显式判断； - 若需更高鲁棒性（如忽略大小写、空格差异），可在匹配前统一调用
.strip().upper()等清洗操作。
该方案平衡了可读性、准确性和工程实用性，是处理“语义关联”类合并任务的经典范式。
