如何在无共同列名的两个pandas DataFrame间实现VLOOKUP匹配

你可以通过统一公司名格式、宽表转换、指定匹配键的方式完成合并，具体操作如下：

步骤1：预处理buffer表，解决大小写不一致问题并转换为宽表 #

首先处理buffer里的公司名大小写混乱（比如AppLA和ApplA实际为同一家）、冗余值问题，再转为你需要的三列结构：

import pandas as pd

# 1. 过滤无效Place值，统一公司名字母格式
buffer_processed = buffer[buffer['Place'].isin(['U10', 'U20', 'U30'])].copy()
# 统一转小写匹配，也可以根据实际规则调整为大小写首字母一致
buffer_processed['match_name'] = buffer_processed['Name'].str.lower()
# 同一个公司同一个Place去重
buffer_processed = buffer_processed.drop_duplicates(subset=['match_name', 'Place'])

# 2. 转为宽表，生成三个PLACE列
buffer_pivot = buffer_processed.pivot(
    index='match_name',
    columns='Place',
    values='Place'
).reset_index()
# 重命名为要求的列名
buffer_pivot = buffer_pivot.rename(columns={
    'U10': 'PLACE U10',
    'U20': 'PLACE U20',
    'U30': 'PLACE U30'
})

步骤2：和df表合并 #

给df也生成统一格式的匹配键，指定左右键合并即可：

# 生成和buffer对应的匹配键
df['match_name'] = df['Code'].str.lower()

# 合并，合并后删除临时的match_name列
df_final = df.merge(
    buffer_pivot,
    on='match_name',
    how='left'
).drop('match_name', axis=1)

结果调整 #

合并后的df_final就是你需要的结构，没有对应Place值的位置会自动填充NaN，你可以按需替换为空字符串：

df_final[['PLACE U10', 'PLACE U20', 'PLACE U30']] = df_final[['PLACE U10', 'PLACE U20', 'PLACE U30']].fillna('')

内容的提问来源于stack exchange，提问作者Bianconera