如何基于条件从pandas DataFrame取数写入另一DataFrame（实现VLOOKUP功能）

我们可以通过两种常用方式实现按ID匹配、把DF1的列值补充到DF2的需求，和Excel VLOOKUP逻辑完全对齐：

方法1：merge方法（适合多列匹配场景） #

这是最通用的方案，可一次性将DF1的多个匹配列合并到DF2中。

示例代码 #

import pandas as pd

# 示例DF1：匹配数据源，包含ID和待提取的其他列
DF1 = pd.DataFrame({
    'ID': [1,2,3,4,5],
    '姓名': ['张三','李四','王五','赵六','钱七'],
    '部门': ['技术部','产品部','运营部','销售部','人事部']
})

# 示例DF2：待填充的目标表
DF2 = pd.DataFrame({
    'ID': [2,3,5,6,7],
    '考勤天数': [22,21,23,19,20]
})

# 核心匹配逻辑
result = pd.merge(
    left=DF2,
    right=DF1,
    on='ID', # 两个表的匹配公共列，列名不同时可分别指定left_on、right_on
    how='left' # 保留DF2的所有行，匹配不到的字段填充NaN，和VLOOKUP默认逻辑一致
)

常用调整项 #

• 若只保留两个表ID完全匹配的行，将how='left'改为how='inner'
• 若DF1存在重复ID，可先对DF1去重后再匹配，保证和VLOOKUP仅返回第一个匹配结果的逻辑一致：

  DF1_unique = DF1.drop_duplicates('ID', keep='first')
  result = pd.merge(DF2, DF1_unique, on='ID', how='left')
  

• 匹配完成后可通过fillna方法替换缺失值：

  # 将NaN替换为空字符串
  result = result.fillna('')
  

方法2：map方法（适合单列提取场景） #

如果只需要从DF1提取单个列到DF2，用map方法更轻量便捷：

# 构造ID到目标字段的映射关系
id_to_dept = DF1.set_index('ID')['部门']
# 映射到DF2的新列
DF2['部门'] = DF2['ID'].map(id_to_dept)

内容的提问来源于stack exchange，提问作者lolman