如何用DF2中的值替换DataFrame DF1的对应数据？

需求说明 #

现有两个DataFrame：
DF1：

ID  PRICE  WEIGHT STOCK 
1     20     100    30
2     30     200    10
3     40     300    20

DF2：

ID   WEIGHT   STOCK
2      90       40
3      400      70

需要用DF2中的WEIGHT和STOCK值，替换DF1中相同ID的对应字段，其他字段及未出现在DF2中的ID保持不变，最终得到目标结果。

解决方案（Pandas实现） #

最简洁的方式是利用Pandas的update方法，基于ID匹配完成值的覆盖：

import pandas as pd

# 构造原始DataFrame
df1 = pd.DataFrame({
    'ID': [1, 2, 3],
    'PRICE': [20, 30, 40],
    'WEIGHT': [100, 200, 300],
    'STOCK': [30, 10, 20]
})

df2 = pd.DataFrame({
    'ID': [2, 3],
    'WEIGHT': [90, 400],
    'STOCK': [40, 70]
})

# 将ID设为索引，确保按ID精准匹配
df1.set_index('ID', inplace=True)
df2.set_index('ID', inplace=True)

# 用df2的指定字段覆盖df1对应位置的值
df1.update(df2)

# 恢复ID为普通列，还原数据结构
df1.reset_index(inplace=True)

# 可选：将浮点型数值转回整数
df1[['WEIGHT', 'STOCK']] = df1[['WEIGHT', 'STOCK']].astype(int)

print(df1)

输出结果 #

ID  PRICE  WEIGHT  STOCK
0   1     20     100     30
1   2     30      90     40
2   3     40     400     70

原理说明 #

• set_index('ID')将ID设为索引，保证后续更新操作是基于相同ID进行匹配，避免错位。
• update(df2)会遍历df2中的索引和列名，仅覆盖df1中索引、列名均匹配的位置，未匹配到的字段（如PRICE）和ID（如ID=1）保持原值不变。
• 最后通过reset_index恢复ID为普通列，还原原始数据结构。

内容的提问来源于stack exchange，提问作者MDJ