基于多条件VLOOKUP在另一变量中生成新变量的实现方法

我来帮你落地这个需求，下面分Python Pandas和SQL两种常用数据处理场景给出具体解法，完全匹配你描述的逻辑：

核心逻辑梳理 #

• 为sku中的每个唯一值创建一个新变量（列），列名格式参考eta{subc},{sku}（比如你提到的eta2,3就代表sku#3、subc2）
• 对每一行观测值，只要它的subc和新变量对应sku的subc一致，就填充该行在门店/周维度下的自有产品价格own_price；不匹配则留空

解法1：Python Pandas实现 #

假设你的数据集是Pandas DataFrame，包含sku、subc、store、week、own_price这些核心列，代码如下：

import pandas as pd

# 1. 构建「唯一sku -> 对应subc」的映射字典，避免重复计算
sku_subc_mapping = df.drop_duplicates(subset='sku').set_index('sku')['subc'].to_dict()

# 2. 遍历每个唯一sku，生成对应新列并填充价格
for target_sku, target_subc in sku_subc_mapping.items():
    # 按照规则生成列名：eta{subc},{sku}
    new_col_name = f'eta{target_subc},{target_sku}'
    # 条件判断：当前行subc等于目标sku的subc时，填充own_price，否则为缺失值
    df[new_col_name] = df.apply(
        lambda row: row['own_price'] if row['subc'] == target_subc else pd.NA,
        axis=1
    )

代码说明 #

• 第一步先对sku去重，确保每个sku只绑定一个subcategory（如果存在一个sku对应多个subc的异常情况，建议先清洗数据）
• 遍历过程中，每个新列会自动匹配所有同subc的观测值，填充对应的own_price——就像你例子里的eta2,3列，第3-5行因为subc都是2，所以都会填充各自的own_price（如果门店/周维度下价格一致，取值自然相同）

解法2：SQL实现 #

如果数据存储在数据库中，这里以标准SQL为例，用CASE WHEN实现匹配逻辑（批量生成所有sku列需要结合数据库特性，先给出单sku示例，多sku可扩展为动态SQL）：

-- 先获取所有唯一sku和对应的subcategory
WITH unique_sku_subc AS (
    SELECT DISTINCT sku, subc
    FROM product_data
)

-- 主查询：生成目标列并填充价格
SELECT
    pd.*,
    -- 生成eta2,3列（对应sku=3、subc=2）
    CASE WHEN pd.subc = us.subc THEN pd.own_price ELSE NULL END AS `eta2,3`
    -- 若要生成更多sku的列，复制上面的CASE WHEN并替换us.sku的取值即可
FROM product_data pd
-- 关联唯一sku-subc映射表
CROSS JOIN unique_sku_subc us
WHERE us.sku = 3 -- 指定要生成列的sku
GROUP BY pd.sku, pd.subc, pd.store, pd.week, pd.own_price, us.sku, us.subc;

扩展说明 #

如果需要批量生成所有sku对应的列，可以用动态SQL拼接CASE WHEN语句：比如MySQL用GROUP_CONCAT、PostgreSQL用STRING_AGG生成拼接字符串，再执行动态SQL，具体语法可根据你使用的数据库调整。

内容的提问来源于stack exchange，提问作者Olga