如何在Python/Pandas中更新存在于另一个DataFrame中的指定行

要实现你需要的基于id的批量更新，不用逐行循环，Pandas的loc结合布尔索引是最适合的方案——比at更贴合你基于列值（而非索引位置）的更新需求，而且性能远高于循环或列表推导。

下面是对应你三个SQL语句的Pandas实现：

1. 标记"Active Customer"（对应第一个UPDATE） #

筛选user_id存在于logs且不为空的行，更新status：

# 条件：user_id不为空 且 在logs的user_id列表中
mask_active = users_df['user_id'].notna() & users_df['user_id'].isin(logs['user_id'])
users_df.loc[mask_active, 'status'] = 'Active Customer'

2. 标记"Non Active Customer"（对应第二个UPDATE） #

筛选user_id不在logs、不为空且当前status为Unknown的行：

# 条件：user_id不为空 + 不在logs列表中 + status仍为Unknown
mask_non_active = users_df['user_id'].notna() & ~users_df['user_id'].isin(logs['user_id']) & (users_df['status'] == 'Unknown')
users_df.loc[mask_non_active, 'status'] = 'Non Active Customer'

3. 标记"Active Customer (Calls)"（对应第三个UPDATE） #

先构造calls测试数据，再筛选符合条件的行：

# 构造calls测试DF
calls = pd.DataFrame({'user_id': ['50', '32']})
calls["user_id"] = pd.to_numeric(calls["user_id"])

# 条件：user_id>0 + 在calls列表中 + status仍为Unknown
mask_calls_active = (users_df['user_id'] > 0) & users_df['user_id'].isin(calls['user_id']) & (users_df['status'] == 'Unknown')
users_df.loc[mask_calls_active, 'status'] = 'Active Customer (Calls)'

完整示例代码 #

替换你原来的更新部分，完整代码如下：

import pandas as pd
import numpy as np

# 创建测试用户DF
users_df = pd.DataFrame(
{'name':['Bob','Olivia','Gustav','Bella', 'Fran', 'Marco'],
 'user_id':['10',np.nan,'30','50','32',np.nan]
}
)
users_df["user_id"] = pd.to_numeric(users_df["user_id"])
users_df['status'] = 'Unknown'

# 创建logs测试DF
logs = pd.DataFrame(
{'user_id':['10','20','30','32','55']}
)
logs["user_id"] = pd.to_numeric(logs["user_id"])

# 1. 更新Active Customer
mask_active = users_df['user_id'].notna() & users_df['user_id'].isin(logs['user_id'])
users_df.loc[mask_active, 'status'] = 'Active Customer'

# 2. 更新Non Active Customer
mask_non_active = users_df['user_id'].notna() & ~users_df['user_id'].isin(logs['user_id']) & (users_df['status'] == 'Unknown')
users_df.loc[mask_non_active, 'status'] = 'Non Active Customer'

# 3. 更新Active Customer (Calls)
calls = pd.DataFrame({'user_id': ['50', '32']})
calls["user_id"] = pd.to_numeric(calls["user_id"])
mask_calls_active = (users_df['user_id'] > 0) & users_df['user_id'].isin(calls['user_id']) & (users_df['status'] == 'Unknown')
users_df.loc[mask_calls_active, 'status'] = 'Active Customer (Calls)'

print(users_df)

为什么不用df.at？ #

df.at是用来定位单个元素的语法（需要指定索引位置+列名），适合修改单个值；而你需要批量更新符合条件的多行，loc支持布尔筛选，能高效完成批量操作，完全匹配你SQL中WHERE条件的逻辑，性能也比循环或列表推导好很多。

内容的提问来源于stack exchange，提问作者thenewbie