基于另一DataFrame实现列值替换的技术求助（非重复问题）

你完全可以利用Pandas的内置合并（merge）和连接（concat）操作来实现需求，这样后续匹配列表扩充时，不需要修改任何代码，直接更新df2的数据即可自动适配。以下是具体的实现方案：

步骤说明 #

1. 数据预处理：先把df2中空的change_name转换为Pandas的缺失值（pd.NA），方便后续统一显示。
2. 匹配已有数据：将df1和df2按name字段左连接，把对应的change_name匹配到df1的每一行。
3. 添加新数据：提取df2中不在df1里的记录，作为新增行补充到结果中。
4. 重新生成ID：给合并后的所有行生成连续的ID。

完整代码示例 #

import pandas as pd

# 构造示例数据（实际使用时替换成你的真实数据）
df1 = pd.DataFrame({
    'ID': [1, 2, 3, 4],
    'name': ['cat', 'jack', 'snake', 'monkey']
})

df2 = pd.DataFrame({
    'name': ['cat', 'jack', 'snake', 'monkey', 'note', 'pencil'],
    'change_name': ['meow', 'oooo', 'ssss', '', 'money', 'pen']
})

# 步骤1：把df2中的空字符串转换为缺失值
df2['change_name'] = df2['change_name'].replace('', pd.NA)

# 步骤2：左连接df1和df2，匹配已有name的change_name
df1_matched = df1.merge(df2, on='name', how='left')

# 步骤3：提取df2中不在df1里的新记录，准备添加到结果
new_records = df2[~df2['name'].isin(df1['name'])].copy()
new_records['ID'] = 0  # 临时ID，后面会重新生成
new_records = new_records[['ID', 'name', 'change_name']]  # 对齐列顺序

# 步骤4：合并数据并重新生成连续ID
final_result = pd.concat([df1_matched, new_records], ignore_index=True)
final_result['ID'] = range(1, len(final_result) + 1)

print(final_result)

输出结果 #

ID    name change_name
0   1     cat        meow
1   2    jack        oooo
2   3   snake        ssss
3   4  monkey        <NA>
4   5    note        money
5   6  pencil         pen

更简洁的实现方式 #

你也可以直接以df2为基础，反向匹配df1的ID，再填充缺失的ID，代码更紧凑：

import pandas as pd

df1 = pd.DataFrame({
    'ID': [1, 2, 3, 4],
    'name': ['cat', 'jack', 'snake', 'monkey']
})

df2 = pd.DataFrame({
    'name': ['cat', 'jack', 'snake', 'monkey', 'note', 'pencil'],
    'change_name': ['meow', 'oooo', 'ssss', '', 'money', 'pen']
})

df2['change_name'] = df2['change_name'].replace('', pd.NA)

# 以df2为基础，左连接df1获取已有ID
final_result = df2.merge(df1, on='name', how='left')
# 给没有ID的行生成新的连续ID
new_id_start = len(df1) + 1
final_result['ID'] = final_result['ID'].fillna(
    pd.Series(range(new_id_start, new_id_start + len(final_result[final_result['ID'].isna()])))
).astype(int)
# 调整列顺序到期望的格式
final_result = final_result[['ID', 'name', 'change_name']]

print(final_result)

这种方式的优势是不需要拆分再合并，直接一步完成匹配和ID生成，代码量更少。

不管用哪种方式，都彻底摆脱了硬编码的限制——以后只要更新df2里的匹配规则，代码不需要做任何修改就能自动适配新的内容。

内容的提问来源于stack exchange，提问作者Lilly