Python 如何在没有列顺序的情况下基于两列合并dataframe？

我遇到了以下问题。我想合并多列上的两个数据帧。示例数据帧如下所示：df1：

df1:
playerA   playerB  Weight
kim         lee      1
jackson     kim      3
dan         lee      4


df2:
name1   name2      score
dan         lee      11
dan         kim      23
jackson     kim      44
lee         kim      35
Jackson     lee      26
lee         dan      27

我想基于两列合并这两个数据帧。

df1[['playerA'，'playerB']]，df2[['name1'，'name2']]

但问题是，我想合并这两个数据帧，而不考虑列的顺序

我试过了

result=pd.merge（df1，df2，on=df1[['playerA'，'playerB']]，df2[['name1'，'name2']]）

但它不起作用

这就是我想要的

df1:
playerA   playerB  Weight score
kim         lee      1    
jackson     kim      3
dan         lee      4

I want to merge df1 and df2 by using two columns from each data frame without considering the order 
(df1[['playerA','playerB']],df2[['name1','name2']])

df2_merge:
name1   name2      score  weight
dan         lee      11    4
kim         lee      23    1
jackson     kim      44    3
lee         kim      35    1
kim        jacson     26   3
lee         dan      27    4

And then I want to delete the row which has the same name list.

Thus, here is my final wishes

df2_merge_ final:
name1   name2      score  weight
dan         lee      11    4
kim         lee      23    1
jackson     kim      44    3

---

我不知道还能尝试什么。有什么建议吗？谢谢：）

您可以添加由排序值填充的新列，然后使用

merge

删除不必要的列：

df1[['a','b']] = np.sort(df1[['playerA','playerB']], axis=1)
df2[['a','b']] = np.sort(df2[['name1','name2']], axis=1)

result = pd.merge(df1, df2, on=['a','b']).drop(['a','b','name1','name2'], axis=1)
print (result)
   playerA playerB  Weight  score
0      kim     lee       1     35
1  jackson     kim       3     44
2      dan     lee       4     11
3      dan     lee       4     27

---

如果需要第一个唯一的组合，请添加：

---

哇，谢谢你的帮助！

df1[['a','b']] = np.sort(df1[['playerA','playerB']], axis=1)
df2[['a','b']] = np.sort(df2[['name1','name2']], axis=1)

df2 = df2.drop_duplicates(['a','b'])

result = pd.merge(df1, df2, on=['a','b']).drop(['a','b','name1','name2'], axis=1)
print (result)
   playerA playerB  Weight  score
0      kim     lee       1     35
1  jackson     kim       3     44
2      dan     lee       4     11