如何基于子集DataFrame的acc_id更新主DataFrame的account字段

示例数据 #

import pandas as pd

data1 = [{'account': 'abc_test', 'value': 100, 'acc_id': '11'},
        {'account': 'def_test', 'value': 50, 'acc_id': '12'}, 
        {'account': 'ghi_badbad', 'value': 25, 'acc_id': '13'},
        {'account': 'hso', 'value': 22, 'acc_id': '14'},
        {'account': 'mko', 'value': 47.5, 'acc_id': '15'}]

data2 = [{'account': 'ghi_badbad', 'value': 25, 'acc_id': '13'},
         {'account': 'mko', 'value': 47.5, 'acc_id': '15'}]

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

需求：根据data2中的acc_id值，将data1对应行的account字段更新为'xxx'，最终输出格式需和原df1结构一致。

方案1：直接筛选更新（最简洁高效） #

利用isin()方法直接匹配acc_id，批量赋值即可，无需额外合并操作：

# 筛选df1中acc_id存在于df2的行，修改account字段
df1.loc[df1['acc_id'].isin(df2['acc_id']), 'account'] = 'xxx'
print(df1)

输出结果：

account  value acc_id
0  abc_test  100.0     11
1  def_test   50.0     12
2       xxx   25.0     13
3       hso   22.0     14
4       xxx   47.5     15

方案2：基于merge的优化处理 #

如果一定要用merge方法，处理后缀列后即可得到目标格式：

# 执行merge操作
dfx = pd.merge(df1, df2, indicator=True, how='outer', on='acc_id')
# 更新匹配行的account字段
dfx.loc[dfx['_merge'] == 'both', 'account_x'] = 'xxx'
# 保留需要的列并去掉后缀重命名
result = dfx[['account_x', 'value_x', 'acc_id']].rename(
    columns={'account_x': 'account', 'value_x': 'value'}
)
print(result)

输出结果和方案1完全一致，适合需要保留merge中间状态的场景。

方案3：索引匹配更新 #

通过设置索引对齐，利用update()方法完成更新：

# 将df1的acc_id设为索引
df1.set_index('acc_id', inplace=True)
# 构造包含需要更新值的Series，索引为df2的acc_id
update_values = pd.Series('xxx', index=df2['acc_id'])
# 更新account字段
df1['account'].update(update_values)
# 重置索引恢复原结构
df1.reset_index(inplace=True)
print(df1)

输出同样符合需求，适合后续有更多索引相关操作的场景。

内容的提问来源于stack exchange，提问作者Moody