Python实现类似Excel VLOOKUP的部分字符串匹配合并DataFrame

报错原因 #

1. 第一种方案报错TypeError: string indices must be integers的核心问题是：for i in marketing_df默认遍历的是DataFrame的列名（字符串类型），用字符串作为对象取i['CompanyMKTG']不符合语法要求。同时Python没有issubstring方法，子串判断需要用a in b的写法。
2. 第二种方案报错IndexError: single positional indexer is out-of-bounds的原因是：部分销售侧公司名在营销数据集里没有匹配项，loc筛选后得到空序列，调用.iloc[0]时索引越界。

可行实现方案 #

方案1：双向子串匹配（直接满足部分匹配要求） #

思路是遍历营销数据的每一个公司名，判断是否和销售侧任意公司名存在「A包含B或B包含A」的子串关系，匹配成功就保留，否则过滤。

# 提取销售侧清洗后的唯一公司名列表
sales_comp_list = sales_df['CompanySales'].unique().tolist()

# 定义匹配函数，返回匹配到的销售侧公司名，无匹配返回None
def match_company(mktg_comp):
    for sales_comp in sales_comp_list:
        # 双向子串判断，满足任意一种就算匹配成功
        if sales_comp in mktg_comp or mktg_comp in sales_comp:
            return sales_comp
    return None

# 给营销数据集添加匹配结果字段
marketing_df['MatchedSalesCompany'] = marketing_df['CompanyMKTG'].apply(match_company)

# 过滤出匹配成功的行，就是你需要的结果
result_df = marketing_df[marketing_df['MatchedSalesCompany'].notna()].copy()

# 导出结果
result_df.to_csv('matched_marketing_contacts.csv', index=False)

方案2：模糊相似度匹配（兼容拼写、特殊字符差异） #

如果存在拼写差异（比如重音符号、单引号差异），可以用模糊相似度匹配，阈值可根据业务需求调整：

# 先安装依赖：pip install fuzzywuzzy python-Levenshtein
from fuzzywuzzy import fuzz

sales_comp_list = sales_df['CompanySales'].unique().tolist()

def fuzzy_match(mktg_comp, threshold=80):
    for sales_comp in sales_comp_list:
        if fuzz.ratio(mktg_comp, sales_comp) >= threshold:
            return sales_comp
    return None

marketing_df['MatchedSalesCompany'] = marketing_df['CompanyMKTG'].apply(fuzzy_match)
result_df = marketing_df[marketing_df['MatchedSalesCompany'].notna()].copy()

内容的提问来源于stack exchange，提问作者DonMega0521