Python中是否有一个VLOOKUP函数，允许您根据原始表中的值从列返回值？

我已经开始学习Python，因为我对在excel中使用Python进行大量数据分析感兴趣

我从事物流工作，目前在excel中执行的一项非常常见的活动是查找运输费率，并将成本应用于交付数据

下面是一个非常简单的交付数据框架：

以下是费率的简单数据框架：

在excel中，我会添加一个卷带列，然后在关税表中查找邮政编码，并根据卷带列返回列号

我已经使用下面的代码实现了相同的结果，但我觉得可能有更好的方法来实现这些结果。如果有人有更好的方法执行此操作，我将非常感谢您的建议

---

对于第一步，要按照它应该是哪个波段对每一行进行分类，您似乎已经在用

pd.merge\u asof

做“正确的事情”。我没有更好的主意：-）

第二步——要获得每个波段的费率，您应该考虑使用

df.merge

或

df.join

——每次执行vlookup时，您基本上是基于一个键将两个表合并

---

因此，在您的情况下，执行类似于

df_merged=data_banded.merge（关税，左上=['Zip'，'Band']，右上=['Zip'，'Band']，how='left'）

——这假设您的关税表具有特定于邮政编码的值。如果只是按波段，请从列表中删除'Zip'。

第一步，要按波段对每一行进行分类，您似乎已经在用

pd.merge\u asof

做“正确的事情”。我没有更好的主意：-）

第二步——要获得每个波段的费率，您应该考虑使用

df.merge

或

df.join

——每次执行vlookup时，您基本上是基于一个键将两个表合并

---

因此，在您的情况下，执行类似于

df_merged=data_banded.merge（关税，左上=['Zip'，'Band']，右上=['Zip'，'Band']，how='left'）

——这假设您的关税表具有特定于邮政编码的值。如果只是按波段排列，请从列表中删除“Zip”。

感谢所有回复。特别是建议使用查找功能。在的帮助下，我成功地使查找功能工作

我必须对我的数据做一些修改，如下所示：

我将关税表的列标签更改为整数，以便它们的列标签与应用于“bands”列的值匹配

加载带csv时，我将“带”列设置为字符串而不是整数

这就允许我执行查找功能。之前它失败了，因为Python由于数据类型不匹配而无法匹配

现在，我已经使用这一行简单的代码执行了查找，它的运行速度似乎是iterrows和itertuples函数的3到4倍：

data_banded['Cost'] = tariff_V2.set_index('Zip').lookup(data_banded.Zip, data_banded.Band)

下面是使此工作正常的代码的完整详细信息：

# Create sample DataFrames (data = delivery information, bands = lookup volume band, tariff = lookup cost by band):
data = pd.DataFrame(columns = ['Customer', 'Zip', 'Volume'], 
                    data = [['A', 'RG', 0.7], ['B', 'KT', 1.3], ['C', 'NN', 1.8], ['D', 'PO', 2.4]])
bands = pd.DataFrame(columns = ['Volume', 'Band'], 
                    data = [[0.5, '1'], [1, '2'], [1.5, '3'], [2, '4'], [2.5, '5']])
tariff = pd.DataFrame(columns = ['Zip', '1', '2', '3', '4', '5'], 
                    data = [['RG', 10, 20, 30, 40, 50], ['KT', 12, 24, 36, 48, 60],
                            ['NN', 14, 28, 42, 56, 70], ['PO', 16, 32, 48, 64, 80]])

# Create DataFrame that has delivery data and the respective volume band each line falls into:
data_banded = pd.merge_asof(data, bands, on = 'Volume', direction = 'forward')

# Lookup the cost from the tariff table and apply to a new column called 'Cost' in the delivery data:
data_banded['Cost'] = tariff.set_index('Zip').lookup(data_banded['Zip'], data_banded['Band'])

再次感谢大家的帮助和支持

问候

---

迈克

谢谢你的回复。特别是建议使用查找功能。在的帮助下，我成功地使查找功能工作

我必须对我的数据做一些修改，如下所示：

我将关税表的列标签更改为整数，以便它们的列标签与应用于“bands”列的值匹配

加载带csv时，我将“带”列设置为字符串而不是整数

这就允许我执行查找功能。之前它失败了，因为Python由于数据类型不匹配而无法匹配

现在，我已经使用这一行简单的代码执行了查找，它的运行速度似乎是iterrows和itertuples函数的3到4倍：

data_banded['Cost'] = tariff_V2.set_index('Zip').lookup(data_banded.Zip, data_banded.Band)

下面是使此工作正常的代码的完整详细信息：

# Create sample DataFrames (data = delivery information, bands = lookup volume band, tariff = lookup cost by band):
data = pd.DataFrame(columns = ['Customer', 'Zip', 'Volume'], 
                    data = [['A', 'RG', 0.7], ['B', 'KT', 1.3], ['C', 'NN', 1.8], ['D', 'PO', 2.4]])
bands = pd.DataFrame(columns = ['Volume', 'Band'], 
                    data = [[0.5, '1'], [1, '2'], [1.5, '3'], [2, '4'], [2.5, '5']])
tariff = pd.DataFrame(columns = ['Zip', '1', '2', '3', '4', '5'], 
                    data = [['RG', 10, 20, 30, 40, 50], ['KT', 12, 24, 36, 48, 60],
                            ['NN', 14, 28, 42, 56, 70], ['PO', 16, 32, 48, 64, 80]])

# Create DataFrame that has delivery data and the respective volume band each line falls into:
data_banded = pd.merge_asof(data, bands, on = 'Volume', direction = 'forward')

# Lookup the cost from the tariff table and apply to a new column called 'Cost' in the delivery data:
data_banded['Cost'] = tariff.set_index('Zip').lookup(data_banded['Zip'], data_banded['Band'])

再次感谢大家的帮助和支持

问候

---

Mike

你能在这里复制/粘贴代码和数据，而不是通过照片共享吗？它使人们更容易自己实际运行代码：）虽然稍后我将查看您的全部代码，但我必须指出，出于多种原因，使用

iterrows

可能是个坏主意。幸运的是，有一个叫做

itertuples

的很好的替代方案，即使是在小的例子中，它也比

iterrows

快1000倍左右。哎呀，我忘了链接了。请查看pandas lookup Hi，感谢您的回复。我将在将来把代码添加到问题中，而不是作为一个图像。这是我第一次，我想这些图像会嵌入显示器中。我已经尝试过iTerPles，并使其正常工作，但计时与iterrows相比，速度几乎相同，因此似乎没有任何性能改进。我已经看了“查找”文档，但似乎不知道如何使其工作，不断出现错误。嗨，请尝试保持两步流程；关于第二步，请参见下面我建议的方法，使用

.merge

。您是否可以将代码和数据复制/粘贴到此处，而不是通过照片共享？它使人们更容易自己实际运行代码：）虽然稍后我将查看您的全部代码，但我必须指出，出于多种原因，使用

iterrows

可能是个坏主意。幸运的是，有一个叫做

itertuples

的很好的替代方案，即使是在小的例子中，它也比

iterrows

快1000倍左右。哎呀，我忘了链接了。请查看pandas lookup Hi，感谢您的回复。我将在将来把代码添加到问题中，而不是作为一个图像。这是我第一次，我想这些图像会嵌入显示器中。我已经试过了