如何在Python中实现类似Excel VLOOKUP的DataFrame匹配功能

你需要的是用pandas实现类似Excel VLOOKUP的匹配逻辑，核心是处理Overall_Season_Avg的复合索引，再通过合并或映射完成列的提取：

方法一：使用merge合并（推荐，逻辑清晰） #

因为Overall_Season_Avg是通过groupby(['Team_Season_Code', 'Team'])生成的，它的索引是复合索引（包含Team_Season_Code和Team），所以第一步要先把索引转为普通列，再和df做左连接：

# 先重置Overall_Season_Avg的索引，让Team_Season_Code成为普通列
Overall_Season_Avg_reset = Overall_Season_Avg.reset_index()

# 合并df和处理后的Overall_Season_Avg，只保留需要的TS、OS列
df = df.merge(
    Overall_Season_Avg_reset[['Team_Season_Code', 'TS', 'OS']],
    left_on='Opponent_Season_Code',  # df中用于匹配的列
    right_on='Team_Season_Code',     # Overall_Season_Avg中用于匹配的列
    how='left'                       # 左连接，保留df所有行
)

# 重命名列并删除多余的匹配键列
df = df.rename(columns={'TS': 'OTS', 'OS': 'OOS'}).drop(columns='Team_Season_Code')

方法二：使用map映射（更简洁） #

先从Overall_Season_Avg中提取出以Team_Season_Code为键的映射关系，再直接给df赋值新列：

# 重置索引后，创建TS和OS的映射Series
ots_mapping = Overall_Season_Avg.reset_index().set_index('Team_Season_Code')['TS']
oos_mapping = Overall_Season_Avg.reset_index().set_index('Team_Season_Code')['OS']

# 给df添加新列
df['OTS'] = df['Opponent_Season_Code'].map(ots_mapping)
df['OOS'] = df['Opponent_Season_Code'].map(oos_mapping)

为什么之前的方案不适用？ #

大概率是因为你忽略了Overall_Season_Avg的复合索引——直接用它的索引列去匹配df的普通列会失败，必须先通过reset_index()把索引转为可直接访问的列，才能正常匹配。

内容的提问来源于stack exchange，提问作者TSned3