如何基于列名不同的另一个DataFrame修改目标DataFrame的值？

嘿，这个需求在处理大数据量的DataFrame时太常见了，用循环或者if-else逐行判断不仅代码繁琐，效率还极低。咱们直接用pandas的矢量化操作来搞定，完全符合你的要求，而且速度拉满！

先构造示例数据 #

首先咱们先把你给出的两个DataFrame还原出来，方便后续测试：

import pandas as pd

# Table 1
table1 = pd.DataFrame(
    data={'Number': [1, 2, 3, 4]},
    index=['A', 'B', 'C', 'D']
)

# Table 2
table2 = pd.DataFrame(
    data={'Alphabet': ['B', 'C'], 'Integer': [25, 30]}
)

方案一：字典映射 + 填充缺失值 #

先把Table2转换成**{Alphabet: Integer}**的字典，然后利用index.map()匹配更新，再用fillna()保留原有的未匹配值：

# 生成更新字典
update_mapping = table2.set_index('Alphabet')['Integer'].to_dict()

# 批量更新Number列，未匹配的用原值填充
table1['Number'] = table1.index.map(update_mapping).fillna(table1['Number']).astype(int)

方案二：用update()方法（推荐，更高效） #

pandas的update()方法专门用来原地更新匹配到的值，只修改有对应映射的行，内存友好，特别适合大数据量场景：

# 把Table2转换成和table1匹配的索引+列名格式
update_series = table2.set_index('Alphabet')['Integer'].rename('Number')

# 原地更新table1的Number列
table1.update(update_series)

最终输出结果 #

执行完上面任意一种方法后，table1就会变成你想要的样子：

Number
Index       
A           1
B          25
C          30
D           4

为什么不用if-else？ #

pandas的矢量化操作是基于numpy实现的，底层是C级别的运算，比Python层面的循环/if-else快几十甚至上百倍，尤其是当你的DataFrame有几十万、上百万行的时候，这种效率差距会特别明显。

内容的提问来源于stack exchange，提问作者nubprog