Python实现多条件Vlookup：基于Well与Zones匹配DataFrame

嘿，针对你需要用Well和Zones两个条件匹配两个DataFrame的需求，我给你两种实用的方法，都能完美适配你庞大且无序的实际数据：

方法1：使用merge（最直观推荐） #

Pandas的merge方法天生支持多列作为匹配键，这是处理这类场景的标准方式，代码简洁易读，对大规模数据也有很好的性能：

# 以Well和Zones为共同键，执行左连接（保留df1的所有行）
df1_updated = df1.merge(df2, on=['Well', 'Zones'], how='left')

• on=['Well', 'Zones']：指定用这两列作为匹配的依据
• how='left'：确保df1的每一行都被保留，即使df2中没有对应匹配项（如果你的数据是一一对应，用how='inner'也可以，但左连接更稳妥）

执行后df1_updated就会包含你想要的四列：Well、Zones、Inflow、Distance，完全符合你的示例输出。

方法2：延续你之前的map思路（多键版本） #

如果你习惯之前用map的写法，我们可以把Well和Zones组合成复合索引（MultiIndex）来实现多条件匹配：

# 先把df2的Well和Zones设为复合索引，提取Distance列
distance_map = df2.set_index(['Well', 'Zones'])['Distance']

# 将df1的Well和Zones也转为复合索引，用map匹配对应Distance值
# 用get方法确保匹配不到时返回NaN，避免报错
df1.insert(13, 'Distance', df1.set_index(['Well', 'Zones']).index.map(distance_map.get))

这个方法和你之前单条件的写法逻辑一致，只是把单个列的索引换成了两列的复合索引，同样能高效处理大规模数据。

注意事项 #

• 两种方法都不依赖数据的顺序，完全适配你“无序”的实际数据
• 如果df2中存在重复的Well+Zones组合，merge会自动处理重复匹配，map则会取最后一个匹配的值（建议提前确保df2的匹配键是唯一的，避免歧义）

内容的提问来源于stack exchange，提问作者akkab