如何基于另一个DataFrame修改现有DataFrame并生成新DataFrame？

方法一：遍历更新（适合小数据集） #

先修正df_2的列名（第三列实际是对应修改列的新值，不是Age），然后遍历df_2的每一行，精准替换df_1中对应Name和对应列的值：

import pandas as pd

# 初始化原始DataFrame
data_1 = [['Michael', 40, 'Brown', 1], ['Dwight', 38, 'Brown', 2], ['Jim', 36, 'Blonde', 3]]
df_1 = pd.DataFrame(data_1, columns=['Name', 'Age', 'Hair Color', 'IQ'])

data_2 = [['Michael', 'Age', 42], ['Dwight', 'Hair Color', 'Red'], ['Jim', 'IQ', 135]]
df_2 = pd.DataFrame(data_2, columns=['Name', 'Change', 'New_Value'])  # 重命名第三列，避免歧义

# 遍历df_2执行替换
for _, row in df_2.iterrows():
    df_1.loc[df_1['Name'] == row['Name'], row['Change']] = row['New_Value']

print(df_1)

运行结果：

Name  Age Hair Color   IQ
0  Michael   42      Brown    1
1   Dwight   38        Red    2
2      Jim   36     Blonde  135

方法二：透视表合并更新（适合大数据集） #

通过将df_2转成宽表，再与df_1合并并更新，避免循环，效率更高：

import pandas as pd

# 初始化原始DataFrame
data_1 = [['Michael', 40, 'Brown', 1], ['Dwight', 38, 'Brown', 2], ['Jim', 36, 'Blonde', 3]]
df_1 = pd.DataFrame(data_1, columns=['Name', 'Age', 'Hair Color', 'IQ'])

data_2 = [['Michael', 'Age', 42], ['Dwight', 'Hair Color', 'Red'], ['Jim', 'IQ', 135]]
df_2 = pd.DataFrame(data_2, columns=['Name', 'Change', 'New_Value'])

# 将df_2转成宽表，行是Name，列是要修改的字段，值是新值
df_2_pivot = df_2.pivot(index='Name', columns='Change', values='New_Value').reset_index()

# 合并并更新df_1，用df_2的新值覆盖df_1的旧值
df_updated = df_1.set_index('Name').combine_first(df_2_pivot.set_index('Name')).reset_index()

# 修正数据类型（合并后部分字段可能转为float）
df_updated[['Age', 'IQ']] = df_updated[['Age', 'IQ']].astype(int)

print(df_updated)

运行结果和方法一完全一致。

内容的提问来源于stack exchange，提问作者Gules