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：
从 b["ID"] 中提取所有可能匹配 a["Name"] 的子串
，生成临时键 _name；
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：
输出结果：
perl正则表达式学习手册pdf版
perl正则表达式学习手册pdf版，点击下载解压即可。想学习perl正则的朋友需要看。
下载
✅
关键注意事项
：
使用 （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。
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'(' + '|'.join(a['Name'].str.replace(r'[^w]', r'\$0', regex=True)) + r')'
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) Name ID
0 Boomhaur Boomhaur-2345
1 Dale Dale-999999
2 Bill Bill-000
3 Bill Bill-001
4 Hank NaN