Pandas中map返回全NaN问题求助：为何替代Excel Vlookup失效

这个问题我之前也碰到过，核心原因是Pandas的map方法和Excel的Vlookup在匹配逻辑上完全不一样，咱们一步步拆解：

1. 本质差异：匹配依据不同 #

• Excel的Vlookup是基于列的值进行匹配：你指定要匹配的关键字列（比如ID），它会在目标区域里找和关键字相等的值，然后返回对应行的目标列内容。
• 而Pandas中，当你用df['ID'].map(dfusers['FullName'])时，map是基于dfusers['FullName']这个Series的索引来匹配，而不是dfusers里的ID列值。

举个直观的例子：
假设你的dfusers是这样的：

import pandas as pd
dfusers = pd.DataFrame({
    'ID': [101, 102, 103],
    'FullName': ['Alice', 'Bob', 'Charlie']
})
# dfusers['FullName']的索引是默认的0、1、2，而不是ID列的101、102、103

当你用df['ID'].map(dfusers['FullName'])时，Pandas会拿df['ID']里的每个值（比如101）去匹配dfusers['FullName']的索引（0、1、2），显然匹配不上，所以返回全NaN。

2. 解决方案：两种方法模拟Vlookup的逻辑 #

方法一：调整dfusers的索引，让map按ID值匹配 #

把dfusers的ID列设为索引，这样map就会用df['ID']的值去匹配索引，从而找到对应的FullName：

# 先把ID设为索引，再提取FullName列
name_map = dfusers.set_index('ID')['FullName']
df['Fullname'] = df['ID'].map(name_map)

这样就能得到和Vlookup一样的结果了。

方法二：用merge方法（更贴近Vlookup的直观逻辑） #

Pandas的merge方法和数据库的join逻辑一致，完全可以模拟Vlookup的精确匹配效果，而且更直观：

# 左连接，保留df的所有行，匹配dfusers中对应的ID和FullName
df = pd.merge(df, dfusers[['ID', 'FullName']], on='ID', how='left')

这个写法和Excel中VLOOKUP(ID, dfusers区域, 2, FALSE)的效果完全一致。

3. 额外排查点：数据类型不匹配 #

如果上面的方法还是不行，要检查两个DataFrame的ID列数据类型是否一致：

• 比如df['ID']是字符串类型（比如'101'），而dfusers['ID']是整数类型（101），这时候即使值看起来一样，也会匹配失败返回NaN。
• 解决方法：统一数据类型，比如：

# 把df的ID转为整数
df['ID'] = df['ID'].astype(int)
# 或者把dfusers的ID转为字符串
dfusers['ID'] = dfusers['ID'].astype(str)

内容的提问来源于stack exchange，提问作者machump