【问题标题】：vlookup in Pandas using join在 Pandas 中使用 join 进行 vlookup
【发布时间】：2014-10-19 01:24:55
【问题描述】：

我有以下 2 个数据框

Example1
sku loc flag  
122  61 True 
123  61 True
113  62 True 
122  62 True 
123  62 False
122  63 False
301  63 True 

Example2 
sku dept 
113 a
122 b
123 b
301 c

我想使用 Pandas（或最好的 Python 运算符）执行合并或连接操作，以生成以下数据框。

Example3
sku loc flag   dept  
122  61 True   b
123  61 True   b
113  62 True   a
122  62 True   b
123  62 False  b
122  63 False  b
301  63 True   c

Both 
df_Example1.join(df_Example2,lsuffix='_ProdHier')
df_Example1.join(df_Example2,how='outer',lsuffix='_ProdHier')

不工作。我究竟做错了什么？

【问题讨论】：

标签： python join pandas vlookup

【解决方案1】：

执行left 合并，这将使用sku 列作为要加入的列：

In [26]:

df.merge(df1, on='sku', how='left')
Out[26]:
   sku  loc   flag dept
0  122   61   True    b
1  122   62   True    b
2  122   63  False    b
3  123   61   True    b
4  123   62  False    b
5  113   62   True    a
6  301   63   True    c

如果 sku 实际上是您的索引，那么请执行以下操作：

In [28]:

df.merge(df1, left_index=True, right_index=True, how='left')
Out[28]:
     loc   flag dept
sku                 
113   62   True    a
122   61   True    b
122   62   True    b
122   63  False    b
123   61   True    b
123   62  False    b
301   63   True    c

另一种方法是使用map，如果您将sku 设置为第二个df 的索引，那么实际上它变成了一个系列，那么代码就简化为：

In [19]:

df['dept']=df.sku.map(df1.dept)
df
Out[19]:
   sku  loc   flag dept
0  122   61   True    b
1  123   61   True    b
2  113   62   True    a
3  122   62   True    b
4  123   62  False    b
5  122   63  False    b
6  301   63   True    c

【讨论】：

【解决方案2】：

更通用的应用程序是使用apply 和lambda，如下所示：

dict1 = {113:'a',
         122:'b',
         123:'b',
         301:'c'}

df = pd.DataFrame([['1', 113],
                   ['2', 113],
                   ['3', 301],
                   ['4', 122],
                   ['5', 113]], columns=['num', 'num_letter'])

添加为新的数据框列

 **df['letter'] = df['num_letter'].apply(lambda x: dict1[x])**

  num  num_letter letter
0   1         113      a
1   2         113      a
2   3         301      c
3   4         122      b
4   5         113      a

或替换现有的 ('num_letter') 列

 **df['num_letter'] = df['num_letter'].apply(lambda x: dict1[x])**

  num num_letter
0   1          a
1   2          a
2   3          c
3   4          b
4   5          a

【讨论】：

【解决方案3】：

VBA 中的 VLookup 就像 pandas.dataframe.merge

过去我总是为 VBA 寻找这么多程序，现在 python dataframe 为我节省了大量工作，好在我不需要编写 vlookup 方法。

pandas.DataFrame.merge

>>> A              >>> B
    lkey value         rkey value
0   foo  1         0   foo  5
1   bar  2         1   bar  6
2   baz  3         2   qux  7
3   foo  4         3   bar  8
>>> A.merge(B, left_on='lkey', right_on='rkey', how='outer')
   lkey  value_x  rkey  value_y
0  foo   1        foo   5
1  foo   4        foo   5
2  bar   2        bar   6
3  bar   2        bar   8
4  baz   3        NaN   NaN
5  NaN   NaN      qux   7

您也可以尝试以下方法进行左合并。

import pandas as pd
pd.merge(left, right, left_on = 'key', right_on = 'key', how='left')

outer或left类似于SQL，python的内置类DataFrame有方法merge，带很多args，很详细也很方便。

【讨论】：