Python中如何在DataFrame实现类似Excel的VLOOKUP功能

这个需求本质是按姓名做键值匹配，pandas里有两种非常成熟的实现方式，比Excel VLOOKUP更稳定，不会出现引用范围偏移的问题。

先给测试用的样例数据结构：

import pandas as pd

# 示例员工表
df = pd.DataFrame({
    'Employee ID': [101, 102, 103, 104, 105],
    'Employee Name': ['Zhang San', 'Li Si', 'Wang Wu', 'Zhao Liu', 'Sun Qi'],
    'Manager Name': ['Li Si', 'Wang Wu', 'Zhao Liu', 'Sun Qi', 'Zhang San']
})

方法1：map映射（数据量大优先选，性能最好） #

核心逻辑是先构建「员工姓名→员工ID」的键值对映射，直接对Manager Name列做批量查找，代码最简洁，跑数速度最快。

# 生成姓名与工号的映射字典
name_to_id = df.set_index('Employee Name')['Employee ID'].to_dict()
# 直接生成上级ID列
df['Manager ID'] = df['Manager Name'].map(name_to_id)

注意：如果公司存在重名员工，这个方法会默认取最后一次出现的重名员工ID，这类场景建议用工号这类唯一标识做匹配键，避免匹配错误。

方法2：merge左连接（和VLOOKUP逻辑完全对齐，易扩展） #

逻辑和Excel VLOOKUP完全一致：把员工姓名、工号单独作为查找表，按Manager Name做左关联匹配，后续如果需要同时提取上级的部门、职级等其他字段，用这个方法可以一次性匹配完成，不用多次写查找逻辑。

# 构造查找参照表
ref_df = df[['Employee Name', 'Employee ID']].rename(columns={'Employee ID': 'Manager ID'})
# 左连接匹配
df = df.merge(
    ref_df,
    left_on='Manager Name',
    right_on='Employee Name',
    how='left'
).drop(columns=['Employee Name_y']).rename(columns={'Employee Name_x': 'Employee Name'})

两种方法最终效果完全一致，如果出现上级不在当前员工列表、姓名拼写错误的情况，对应Manager ID位置会返回NaN，和Excel VLOOKUP返回#N/A的逻辑相同，可以按需做缺失值填充或者异常校验。

内容的提问来源于stack exchange，提问作者Karthik P H