如何在Python（pandas）中实现多列VLOOKUP功能？

嘿，我完全懂你这种困惑——看了一堆关于Python实现VLOOKUP的回答，都说用merge或者map，但到自己的多列场景就不知道怎么下手了对吧？别慌，我结合你的两个DataFrame场景给你拆解清楚。

首先先明确下你的数据结构（我模拟了一份样例，你可以对应自己的实际数据）：

• REGISTER：两列，NAME（姓名）和PARTNER（对应搭档）
• WEEK：多组「星期姓名列+星期搭档列」，比如MONDAY_NAME、MONDAY_PARTNER，TUESDAY_NAME、TUESDAY_PARTNER……其中搭档列的????需要通过对应姓名列匹配REGISTER里的搭档来填充。

方法一：用map快速处理（适合列名有规律的场景） #

这是最贴近Excel VLOOKUP逻辑的方法，核心是先把REGISTER转成「姓名→搭档」的映射字典，再逐个对WEEK里的搭档列进行填充。

步骤1：创建姓名-搭档映射字典 #

先从REGISTER生成一个字典，方便快速查找：

import pandas as pd

# 模拟你的REGISTER DataFrame
register = pd.DataFrame({
    'NAME': ['Alice', 'Charlie', 'Eve'],
    'PARTNER': ['Bob', 'Dana', 'Frank']
})

# 生成映射字典
partner_map = register.set_index('NAME')['PARTNER'].to_dict()

步骤2：批量填充WEEK里的搭档列 #

如果你的WEEK列名是规律的（比如X_NAME对应X_PARTNER），可以用循环批量处理，不用手动写每一列：

# 模拟你的WEEK DataFrame
week = pd.DataFrame({
    'MONDAY_NAME': ['Alice', 'Eve'],
    'MONDAY_PARTNER': ['????', '????'],
    'TUESDAY_NAME': ['Charlie', 'Alice'],
    'TUESDAY_PARTNER': ['????', '????']
})

# 遍历所有姓名列，填充对应的搭档列
for col in week.columns:
    if '_NAME' in col:
        # 提取星期前缀，比如从MONDAY_NAME得到MONDAY
        day_prefix = col.replace('_NAME', '')
        # 对应的搭档列名
        partner_col = f'{day_prefix}_PARTNER'
        # 用map填充，替换????
        week[partner_col] = week[col].map(partner_map)

执行后你的WEEK里的????就会被替换成对应的搭档了！如果某个姓名不在REGISTER里，map会返回NaN，你可以用.fillna('未找到')来替换成你想要的内容。

方法二：用merge处理（适合大量列或复杂场景） #

如果你的WEEK列特别多，或者列名没那么规律，可以先把宽表转成窄表，merge后再转回宽表，这种方法扩展性更强。

步骤1：把WEEK转成窄表（重塑数据） #

# 把WEEK的列拆分成「星期+类型（NAME/PARTNER）」
melted = week.melt(var_name='col_name', value_name='value')
melted[['day', 'type']] = melted['col_name'].str.split('_', expand=True)

# 转成每个星期对应姓名和搭档的结构
pivoted = melted.pivot(index='day', columns='type', values='value').reset_index()

步骤2：和REGISTER进行merge（对应VLOOKUP的匹配逻辑） #

# 按NAME匹配，获取对应的PARTNER
merged = pivoted.merge(register, on='NAME', how='left')
# 替换原来的PARTNER列（原来的????）
merged['PARTNER'] = merged['PARTNER_y'].fillna(merged['PARTNER_x'])
merged = merged.drop(columns=['PARTNER_x', 'PARTNER_y'])

步骤3：转回宽表结构 #

# 再转成原来的宽表格式
final_melted = merged.melt(id_vars=['day'], var_name='type', value_name='value')
final_melted['col_name'] = final_melted['day'] + '_' + final_melted['type']
final_week = final_melted.pivot(index=None, columns='col_name', values='value').reset_index(drop=True)

这样处理后，你就能得到填充好搭档列的WEEK DataFrame了。

小提示 #

• 如果你的姓名可能有大小写不一致的情况，可以先统一转成小写/大写再做匹配，比如register['NAME'] = register['NAME'].str.lower()，week[col] = week[col].str.lower()
• 两种方法里，map更简单直接，适合大多数常规场景；merge更灵活，适合复杂的多列或需要额外处理的情况。

内容的提问来源于stack exchange，提问作者Oalvinegro