如何用Python实现嵌套Vlookup逻辑完成DataFrame关联更新

核心思路 #

先从DataFrame02构建部门编号到员工编码的映射字典，再直接用这个字典对DataFrame01的目标列做批量匹配，替代Excel里的嵌套Vlookup操作，效率更高且流程简洁。

代码实现 #

以下是适配需求的完整代码（可根据实际列名调整）：

import pandas as pd

# 模拟DataFrame01（需要更新的原始表）
df1 = pd.DataFrame({
    "员工姓名": ["张三", "李四", "王五"],
    "Unit Manager's Dp No": ["DP001", "DP002", "DP001"],
    "Sales Manager's Dp No": ["DP003", "DP001", "DP002"]
})

# 模拟DataFrame02（用于匹配的对照表）
df2 = pd.DataFrame({
    "Employee Code": ["EMP001", "EMP002", "EMP003"],
    "Unit Manager's Dp No": ["DP001", "DP002", "DP003"]
})

# 步骤1：从df2生成「部门编号→员工编码」的映射字典
dp_to_emp_map = df2.set_index("Unit Manager's Dp No")["Employee Code"].to_dict()

# 步骤2：批量更新df1的目标列
df1["UNIT MANAGER'S EMP_ID"] = df1["Unit Manager's Dp No"].map(dp_to_emp_map)
df1["Sales Manager's EMP_ID"] = df1["Sales Manager's Dp No"].map(dp_to_emp_map)

# 查看最终结果
print(df1)

关键步骤说明 #

• set_index("Unit Manager's Dp No")["Employee Code"].to_dict()：将df2的部门编号设为索引，提取员工编码列转换成字典，一步完成嵌套Vlookup的两次匹配逻辑。
• .map(dp_to_emp_map)：批量匹配替换，大数据量下比Excel公式快数倍；若存在匹配失败的部门编号，结果会显示NaN，可通过.fillna("无匹配")自定义填充值。

运行结果示例 #

员工姓名 Unit Manager's Dp No Sales Manager's Dp No UNIT MANAGER'S EMP_ID Sales Manager's EMP_ID
0   张三                DP001                DP003                 EMP001                 EMP003
1   李四                DP002                DP001                 EMP002                 EMP001
2   王五                DP001                DP002                 EMP001                 EMP002

内容的提问来源于stack exchange，提问作者Ravindra pol