python实现vlookup匹配数据实战

---

前言

一般来说，Excel能实现的操作，python都能实现，今天就来探究一下python实现Excel的vlookup吧！

---

一、pandas是什么？

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、DataFrame是什么？

DataFrame是类似表的结构，由多个Series组成的DataFrame 是一个二维的数组结构，类似二维数组。

DataFrame 构造方法如下：
pandas.DataFrame( data, index, columns, dtype, copy)
参数说明：
data：一组数据(ndarray、series, map, lists, dict 等类型)。
index：索引值，或者可以称为行标签。
columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
dtype：数据类型。
copy：拷贝数据，默认为False。
重点参考原文出处：https://www.cnblogs.com/JINGSOLO/p/16882504.html

三、简单使用步骤

1.引入库

代码如下：

import pandas as pd 

2.创建表

创建表1，代码如下：

# 创建表1
df1 = pd.DataFrame({
        'A': ['apple', 'banana', 'cherry', 'kiwi'],
        'B': [30, 20, 25, 15]
    })
print(df1)

结果展示：

创建表2，代码如下：

# 创建表2
df2 = pd.DataFrame({
        'A': ['banana', 'cherry', 'kiwi', 'pear'],
        'C': ['good', 'better', 'best', 'bad'],
        'D': ['1', 'better', 'best', 'bad']
    })
print(df2)

结果展示：

3.数据匹配

使用VLOOKUP将表2中的’C’列数据匹配到表1中，代码如下：

# 使用VLOOKUP将表2中的'C'列数据匹配到表1中
df3 = df1.merge(df2[['A', 'C']], on='A', how='left')
# 将匹配结果输出
print(df3)

结果展示：

# 使用VLOOKUP将表2中的'C'列和'D'列数据匹配到表1中
df3 = df1.merge(df2[['A', 'C','D']], on='A', how='left')
# 将匹配结果输出
print(df3)

结果展示：

4.完整代码

 # 创建表1
df1 = pd.DataFrame({
        'A': ['apple', 'banana', 'cherry', 'kiwi'],
        'B': [30, 20, 25, 15]
    })
# 创建表2
df2 = pd.DataFrame({
        'A': ['banana', 'cherry', 'kiwi', 'pear'],
        'C': ['good', 'better', 'best', 'bad'],
        'D': ['1', 'better', 'best', 'bad']
    })
# 使用VLOOKUP将表2中的'C'列和'D'列数据匹配到表1中
df3 = df1.merge(df2[['A', 'C','D']], on='A', how='left')
# 将匹配结果输出
print(df3)

结果展示：

四、python对excel表格的vlookup使用步骤

1.excel表展示

表1：

表2：

2.引入库

代码如下：

#导入库
import pandas as pd

3.读取excel表

读取表1，代码如下：

#读取表1：
df_1 = pd.read_excel(r"./表1.xlsx", sheet_name="Sheet1")
print(df_1)

结果如下：

读取表2，代码如下：

#读取表2：
df_2 = pd.read_excel(r"./表2.xlsx", sheet_name="Sheet1")
print(df_2)

结果如下：

4.数据匹配

使用VLOOKUP将表2中的性别列数据匹配到表1中，代码如下：

#使用VLOOKUP将表2中的性别列数据匹配到表1中
'''
merge(df_2[['姓名','性别']]表示匹配表2的数据范围、想拿到的数据为'性别',on='姓名'表示按姓名匹配,
how='left'表示左连接、即表1数据固定不变、表2的'性别'列根据匹配结果添加到表1的最右侧)
'''
df_3 = df_1.merge(df_2[['姓名','性别']],on='姓名',how='left')
print(df_3)

结果如下：

5.将匹配结果保存到excel

保存到excel，代码如下：

#将结果数据保存到新表
df_3.to_excel(r"./结果表.xlsx", encoding='utf-8', sheet_name="Sheet1", index=False)
print("保存成功")

结果如下：

结果表展示：

6.完整代码

#导入库
import pandas as pd

#读取表1：
df_1 = pd.read_excel(r"./表1.xlsx", sheet_name="Sheet1")
# print(df_1)
#读取表2：
df_2 = pd.read_excel(r"./表2.xlsx", sheet_name="Sheet1")
# print(df_2)
#使用VLOOKUP将表2中的性别列数据匹配到表1中
df_3 = df_1.merge(df_2[['姓名','性别']],on='姓名',how='left')
print(df_3)
#将结果数据保存到新表
df_3.to_excel(r"./结果表.xlsx", encoding='utf-8', sheet_name="Sheet1", index=False)
print("保存成功")

备注："./表1.xlsx"表示路径，当前表1与所写代码在同一个文件目录下，如图所示：

五、merge函数参数详解

pd.merge函数是把两个数据框按某种方式拼接起来：

pd.merge(left, right, how= 'inner', on=None, left_on=None, right_on=None, left_index = False, right_index = False, sort = False, suffixes=('_x', '_y'), copy = True, indicator = False, validate=None)
参数详解：
left：待拼接的左侧数据框。
right：待拼接的右侧数据框。
how：左右两个数据框的连接方式。可选‘left’、‘right’、‘outer’、‘inner’，默认为inner。
on：左右两个待拼接数据框有共同列名，且按该列拼接两个数据框时使用该参数。
left_on：拼接两个数据框时，左数据框对应连接关键字(可为列表)。
right_on：拼接两个数据框时，右数据框对应连接关键字(可为列表)。
left_index：若为True，则按左数据框的索引连接两个数据框。  
right_index：若为True，则按右数据框的索引连接两个数据框。  
sort：按字典顺序通过连接键对结果数据框进行排序。  
suffixes：为左右数据框中重复列名定义后缀。默认加(‘x’,‘y’)。
重点参考了CSDN博主「阿黎逸阳」的原创文章《数据分析常用函数—pd.merge》原文链接：https://blog.csdn.net/qq_32532663/article/details/108500638

总结

以上就是今天要讲的内容，本文仅仅简单介绍了pandas的vlookup使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法，更多的学习等待我们继续探究，朋友们可以多点尝试使用python解决问题。