如何在Pandas DataFrame中替换指定行值且不改动其他数据？

看起来你现在的问题核心是直接往文件里追加数据导致新增行，而没有先在DataFrame内部完成值的替换，再整体写入文件。我给你拆解下解决方案：

第一步：在内存中修改DataFrame的指定行值 #

你需要先针对df1（或者你处理后的df_s）完成目标行的Count值更新，而不是直接操作文件。这里有两种常用方法：

方法1：用.loc精准定位修改 #

适合单个或少量行的修改：

# 假设你的原始数据存在df1中
# 修改'case'对应的Count为80
df1.loc[df1['Table'] == 'case', 'Count'] = 80
# 修改'consumer'对应的Count为150
df1.loc[df1['Table'] == 'consumer', 'Count'] = 150

方法2：用字典批量映射修改 #

如果需要更新的行比较多，用字典映射更高效：

# 定义要更新的键值对：Table名称 -> 新Count值
update_mapping = {'case': 80, 'consumer': 150}
# 用map匹配新值，没有匹配到的保留原Count值
df1['Count'] = df1['Table'].map(update_mapping).fillna(df1['Count'])

第二步：将修改后的DataFrame写入文件（覆盖而非追加） #

你之前的代码用了mode='a'（追加模式），这会把新数据直接加到文件末尾，自然会出现新增行。正确的做法是直接覆盖整个文件，因为你已经在内存中完成了所有数据的修改：

import os

file_path = '/medaff/Scripts/python/count.txt'
# 直接写入修改后的df1，覆盖原文件
df1.to_csv(file_path, sep='|', index=False)

特殊情况：如果df_s是仅包含更新行的小DataFrame #

如果你的df_s是单独生成的、只包含case和consumer新值的DataFrame，那需要先把它和原文件的DataFrame合并更新，再写入：

import pandas as pd
import os

file_path = '/medaff/Scripts/python/count.txt'

if os.path.isfile(file_path):
    # 读取原文件的完整数据
    df1 = pd.read_csv(file_path, sep='|')
    # 将两个DataFrame都以Table列为索引，方便更新
    df1.set_index('Table', inplace=True)
    df_s.set_index('Table', inplace=True)
    # 用df_s的新值覆盖df1中对应行的Count
    df1.update(df_s)
    # 恢复索引为普通列
    df1.reset_index(inplace=True)

# 写入更新后的完整数据
df1.to_csv(file_path, sep='|', index=False)

这样操作后，你的文件里就只会保留修改后的完整数据，不会出现新增行啦。

内容的提问来源于stack exchange，提问作者shivam