如何批量更新Pandas DataFrame中匹配Symbol的多行SecurityID值

问题说明 #

有两个DataFrame：DF1包含多行重复Symbol（如示例中的UGE），对应SecurityID均为NaN；DF2存储了该Symbol对应的有效SecurityID值。使用df1.update(df2)仅能更新首个匹配行，需要无循环批量更新所有相同Symbol的行。

示例数据集 #

DF1：

Symbol  SecurityID
3856     UGE         NaN
13583    UGE         NaN  
25422    UGE         NaN 
36046    UGE         NaN 
47362    UGE         NaN  
58434    UGE         NaN

DF2：

Symbol  SecurityID
3856    UGE    128901

当前无效输出 #

执行df1.update(df2)后的结果：

Symbol  SecurityID
3856     UGE         128901
13583    UGE         NaN  
25422    UGE         NaN 
36046    UGE         NaN 
47362    UGE         NaN  
58434    UGE         NaN

解决方案 #

方法1：构建映射字典批量替换 #

先从DF2生成Symbol到SecurityID的映射，再用map批量更新DF1：

# 生成Symbol与SecurityID的映射字典
id_mapping = df2.set_index('Symbol')['SecurityID'].to_dict()
# 批量更新DF1的SecurityID列
df1['SecurityID'] = df1['Symbol'].map(id_mapping)

方法2：通过merge关联更新 #

按Symbol左连接两个DataFrame，提取新值替换原列：

# 按Symbol左连接，保留DF1所有行，区分重复列名
merged = df1.merge(df2[['Symbol', 'SecurityID']], on='Symbol', how='left', suffixes=('', '_new'))
# 用新值覆盖原SecurityID
df1['SecurityID'] = merged['SecurityID_new']

方法3：直接替换特定Symbol的NaN值 #

针对目标Symbol的NaN值批量替换：

import numpy as np
# 获取DF2中UGE对应的SecurityID值
target_id = df2.loc[df2['Symbol'] == 'UGE', 'SecurityID'].iloc[0]
# 替换DF1中所有UGE行的NaN值
df1.loc[df1['Symbol'] == 'UGE', 'SecurityID'] = target_id

预期结果 #

执行上述任一方法后，DF1所有Symbol为UGE的行SecurityID都会被更新为128901：

Symbol  SecurityID
3856     UGE      128901
13583    UGE      128901  
25422    UGE      128901 
36046    UGE      128901 
47362    UGE      128901  
58434    UGE      128901

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