### 如何使用 Python3 和 Pandas 实现 Excel 的 VLOOKUP 功能 要在 Python 中实现类似于 Excel 的 `VLOOKUP` 功能，可以利用 Pandas 库中的 `merge()` 方法或者 `map()` 函数。以下是两种主要方法的详细介绍： #### 方法一：使用 `pd.merge()` 通过 `pd.merge()` 可以模拟 `VLOOKUP` 左连接的行为。此方法适用于多个字段匹配的情况。 ```python import pandas as pd # 假设有两个 DataFrame 表格 df1 = pd.DataFrame({ '学号': [1, 2, 3], '姓名': ['张三', '李四', '王五'] }) df2 = pd.DataFrame({ '学号': [2, 3, 4], '课程': ['数学', '英语', '物理'] }) # 使用 merge 进行左连接 (相当于 VLOOKUP) result = pd.merge(df1, df2, how='left', on='学号') print(result) ``` 在此代码中，`how='left'` 参数指定了左连接操作，这与 Excel 中的 `VLOOKUP` 默认行为一致[^2]。如果某些记录无法匹配，则会填充为 NaN。 --- #### 方法二：使用 `Series.map()` 当只需要基于单个键进行查找时，`map()` 是一种更简洁的方法。它可以快速完成一对一映射的任务。 ```python import pandas as pd # 同样假设存在两个 DataFrame 表格 df_main = pd.DataFrame({ '学号': [1, 2, 3], '姓名': ['张三', '李四', '王五'] }) df_lookup = pd.DataFrame({ '学号': [2, 3, 4], '课程': ['数学', '英语', '物理'] }) # 设置索引以便于 map 映射 course_map = df_lookup.set_index('学号')['课程'] # 将主表中的学号映射到对应的课程 df_main['课程'] = df_main['学号'].map(course_map) print(df_main) ``` 这里的关键步骤是调用 `set_index()` 来定义查找依据，并通过 `map()` 完成值替换的操作[^4]。 --- #### 处理特殊情况 - **未匹配项** 对于未能成功匹配的项目，默认情况下会被赋值为 `NaN`。可以通过设置默认值解决这一问题： ```python df_main['课程'] = df_main['学号'].map(course_map).fillna('无') ``` - **多列提取** 若需一次性提取多列数据，可扩展逻辑如下所示： ```python # 提取两列数据作为示例 df_main[['课程', '成绩']] = df_main['学号'].apply( lambda x: df_lookup[df_lookup['学号'] == x][['课程', '成绩']].iloc[0] if x in df_lookup['学号'].values else {'课程': None, '成绩': None}, axis=1, result_type="expand" ) ``` --- ### 总结 无论是使用 `merge()` 或者 `map()`，都可以高效地在 Python 中重现 Excel 的 `VLOOKUP` 功能。具体选择取决于实际需求以及数据结构的特点[^5]。