如何基于索引将一个DataFrame中的值替换为另一个DataFrame中的对应值

嘿，这需求很清晰，我帮你搞定——用df2里的坐标替换df1中对应数值，NaN原样保留对吧？先把你的原始数据和目标结果理清楚：

原始数据 #

df1（待替换的数值表） #

df2（坐标映射表） #

实现代码 #

import pandas as pd

# 构建原始DataFrame
df1 = pd.DataFrame({
    'Vehicle1': [0, 1, 0, pd.NA],
    'Vehicle2': [0, 3, 0, pd.NA],
    'Vehicle3': [0, 2, 4, 0]
})

df2 = pd.DataFrame({
    'Index': [0, 1, 2, 3, 4],
    'Coords': [
        (-49.36204, -21.04797),
        (-48.9062, -20.7399),
        (-48.9132, -20.7296),
        (-48.8955, -20.7329),
        (-48.8065, -20.8147)
    ]
})

# 创建索引到坐标的映射字典
coord_mapping = df2.set_index('Index')['Coords'].to_dict()

# 对df1每列应用映射，自动保留NaN
result_df = df1.apply(lambda col: col.map(coord_mapping))

# 打印结果
print(result_df)

代码说明 #

• 第一步把df2转换成索引值到坐标的字典，这样能快速通过df1里的数字匹配到对应坐标；
• 用apply遍历df1的每一列，再用map完成替换——map会自动忽略NaN值，直接保留原始的缺失值，完全符合你的要求；
• 输出结果和你预期的一模一样。

最终输出结果 #

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