基于DataFrame匹配值及索引关联更新字段值的实现问题

首先修正你提供的DataFrame语法错误（df_team中'Con Team'缺少闭合引号）：

import pandas as pd
import numpy as np

df_team = pd.DataFrame({
    'Team': ["Cal", "Bos", "Flo", "NY", "KC"],
    'Con Team': ["California", "Boston", "Florida", "New York", "Kansas City"]
})

df_sched = pd.DataFrame({
    'Team': ["Bos", "NY", "KC"]
})

你之前代码的问题 #

1. df_sched不存在'Con Team'列，直接引用会触发KeyError
2. np.where + isin仅能判断值是否存在，无法建立df_sched['Team']与df_team['Con Team']的映射关系，所以无法完成替换

正确实现方法 #

方法1：使用map（最简洁）

先将df_team转换为键值对字典，再用map完成匹配替换：

# 生成Team到Con Team的映射字典
team_to_con = df_team.set_index('Team')['Con Team'].to_dict()

# 替换df_sched的Team列
df_sched['Team'] = df_sched['Team'].map(team_to_con)

# 输出结果
print(df_sched)
#          Team
# 0      Boston
# 1    New York
# 2  Kansas City

如果需要保留未匹配的原始值（比如假设df_sched有不在df_team里的Team），可以用fillna：

df_sched['Team'] = df_sched['Team'].map(team_to_con).fillna(df_sched['Team'])

方法2：使用replace

和map逻辑类似，直接传入映射字典即可：

df_sched['Team'] = df_sched['Team'].replace(team_to_con)

方法3：使用merge（适合复杂关联场景）

如果需要保留更多关联数据，或者处理多列匹配，用merge更灵活：

# 左连接两个DataFrame，保留df_sched的所有行
merged = df_sched.merge(df_team, on='Team', how='left')

# 将Con Team的值替换到原Team列，未匹配的保留原Team值
df_sched['Team'] = merged['Con Team'].fillna(merged['Team'])

内容的提问来源于stack exchange，提问作者Link