如何在Python不同形状DataFrame间实现类Excel Index&Match功能并更新数据

完全可以实现这个需求，下面用Pandas给出具体解法：

1. 构造示例数据 #

先模拟你提到的两个DataFrame：

import pandas as pd

# df1：x列是df2的列名，y列有重复，z是要更新的值
df1 = pd.DataFrame({
    'x': ['a', 'b', 'a'],
    'y': ['y1', 'y2', 'y1'],
    'z': [10, 20, 30]
})

# df2：y列无重复，包含df1x列对应的列（a、b）
df2 = pd.DataFrame({
    'y': ['y1', 'y2', 'y3'],
    'a': [0, 0, 0],
    'b': [0, 0, 0],
    'c': [0, 0, 0]
})

2. 处理df1的重复y值 #

因为df1的y列存在重复，需要先确定重复时保留哪个z值（比如取最后一次出现的值，或者第一次）：

# 按y和x去重，保留最后一条记录（可根据需求改成keep='first'）
df1_clean = df1.drop_duplicates(subset=['y', 'x'], keep='last')

3. 转换df1格式匹配df2 #

把df1转换成以y为索引、x为列名的格式，和df2结构对齐：

df1_pivot = df1_clean.pivot(index='y', columns='x', values='z')

4. 更新df2数据 #

用Pandas的update方法，将df1_pivot的值同步到df2对应位置：

# 先把df2的y列设为索引，方便匹配
df2.set_index('y', inplace=True)
# 执行更新
df2.update(df1_pivot)
# 恢复y列为普通列（可选）
df2.reset_index(inplace=True)

执行后df2的结果：

这个流程就对应Excel里Index+Match的逻辑：通过y列匹配行，通过x列匹配要更新的列，最终把z值填入对应位置。

内容的提问来源于stack exchange，提问作者user23494033