如何用Python实现VLOOKUP？DataFrame同名匹配遇全NaN问题求助

问题场景 #

现有两个DataFrame df1 和 df2，需要基于name列实现类似Excel中VLOOKUP的功能，找出在两个表中匹配的名称。示例数据如下：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({
    'name': ['A', 'B', 'C', 'D'],
    'val1': [5, 6, 7, 8],
    'val2': [1, 2, 3, 4],
})

df2 = pd.DataFrame({
    'name': ['B', 'D', 'E', 'F'],
    'abc': [15, 16, 17, 18],
    'def': [11, 21, 31, 41],
})

期望输出：

name    val1    val2    matched_name
A          5       1    NaN
B          6       2    B
C          7       3    NaN
D          8       4    D

尝试执行以下代码后，matched_name列全为NaN：

df1['matched_name'] = df1['name'].map(df2['name'])

原因分析 #

Series.map()方法如果传入另一个Series，会以传入Series的索引作为匹配键，而不是Series的值。 原代码中用df2['name']作为参数，实际是用df2的索引（0、1、2、3）去匹配df1['name']的值（A、B、C、D），完全没有匹配项，所以全部返回NaN。

解决方法 #

方法1：用isin()结合where() #

先判断df1['name']是否存在于df2['name']的取值中，保留匹配的名称，不匹配的设为NaN：

df1['matched_name'] = df1['name'].where(df1['name'].isin(df2['name']))

方法2：将df2['name']转为自映射字典 #

利用map()接收字典的特性，构建键和值相同的字典，实现匹配：

name_map = dict(zip(df2['name'], df2['name']))
df1['matched_name'] = df1['name'].map(name_map)

方法3：用merge()实现关联（适合扩展更多列） #

如果后续需要关联df2中的其他列，这种方式更灵活：

# 仅保留df2的name列进行左连接
df_result = df1.merge(df2[['name']], on='name', how='left', suffixes=('', '_matched'))
# 重命名列名符合需求
df_result.rename(columns={'name_matched': 'matched_name'}, inplace=True)

内容的提问来源于stack exchange，提问作者Akilesh