在Python中，可以使用pandas库的merge()函数来解决多对多匹配的问题。merge()函数可以将两个或多个数据集按照指定的列（或索引）进行匹配，并将匹配的结果合并在一起。
下面是一个示例代码，演示如何使用merge()函数解决多对多匹配的问题：
```python
import pandas as pd
# 创建两个数据集
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'key': ['K0', 'K1', 'K2', 'K3']})
df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3'],
'key': ['K0', 'K1', 'K2', 'K3']})
# 使用merge()函数进行匹配
result = pd.merge(df1, df2, on='key')
print(result)
```
输出结果为：
```
A B key C D
0 A0 B0 K0 C0 D0
1 A1 B1 K1 C1 D1
2 A2 B2 K2 C2 D2
3 A3 B3 K3 C3 D3
```
在这个示例中，我们创建了两个数据集df1和df2，并且都包含了一个列key。然后使用merge()函数将这两个数据集按照key列进行匹配，得到了匹配结果result。
需要注意的是，merge()函数默认进行的是内连接（inner join），即只保留两个数据集中key列匹配的行。如果想要进行其他类型的连接，可以通过设置how参数来指定连接方式，如how='left'表示左连接，how='right'表示右连接，how='outer'表示外连接等。
除了使用merge()函数，也可以使用其他数据分析库中的对应函数来解决多对多匹配的问题，比如SQLAlchemy库的join()函数。
