如何用Pandas覆盖DataFrame中已有ID对应的特征值？

问题代码与现象 #

初始化代码 #

# Append columns to an empty DataFrame.
self.df = pd.DataFrame(columns = ["ID", "Features"],index=['index1'])

逻辑代码 #

tracking_id = output[4]
print(tracking_id in set(self.df['ID']))
if tracking_id in self.df['ID'] : 
             
    df2 = pd.DataFrame([[tracking_id], features])
    self.df.update(df2)  
    print(self.df)
  
else : 
    self.df = self.df.append({'ID' : tracking_id, 'Features' : features}, ignore_index = True)

预期与实际偏差 #

预期逻辑：检查DataFrame中是否存在相同ID，存在则用新特征覆盖旧值，不存在则添加新行。
实际问题：相同ID的行被重复添加，偶尔能正常覆盖，输出示例：

ID                                           Features
0  NaN                                                NaN
1  1.0  [[1.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 50.0...
2  4.0  [[0.0, 0.0, 0.0, 1.0, 89.0, 15.0, 0.0, 0.0, 10...
3  4.0  [[70.0, 41.0, 17.0, 41.0, 4.0, 0.0, 0.0, 0.0, ...
4  4.0  [[42.0, 18.0, 16.0, 14.0, 2.0, 0.0, 0.0, 0.0, ...
5  6.0  [[3.0, 0.0, 0.0, 0.0, 0.0, 0.0, 3.0, 8.0, 59.0...
6  6.0  [[0.0, 6.0, 7.0, 9.0, 12.0, 3.0, 0.0, 0.0, 51....

问题原因与修复方案 #

1. 核心问题点 #

• 初始化时指定index=['index1']，导致DataFrame默认生成一行NaN数据，后续判断ID存在性时容易出现类型不匹配（比如tracking_id是整数，DataFrame中ID是浮点数），导致判断失效。
• 原更新逻辑中df2的构造错误，生成的是两行数据而非一行两列，update方法无法正确匹配目标行。
• append方法已被pandas弃用，且原逻辑中忽略索引的处理会加剧数据混乱。

2. 修复步骤 #

步骤1：正确初始化空DataFrame

去掉多余的index参数，避免默认生成NaN行：

self.df = pd.DataFrame(columns=["ID", "Features"])

步骤2：统一ID类型并准确判断存在性

确保tracking_id与DataFrame中ID的类型一致，用isin方法更可靠地判断存在性：

tracking_id = output[4]
# 根据实际数据类型调整，比如转为整数或字符串
tracking_id = int(tracking_id)
# 检查ID是否存在
id_exists = self.df['ID'].isin([tracking_id]).any()

步骤3：正确更新或添加数据

• 存在ID时，直接通过loc定位到对应行更新特征值；
• 不存在ID时，用pd.concat替代append添加新行：

if id_exists:
    # 定位到对应ID的行，更新Features列
    self.df.loc[self.df['ID'] == tracking_id, 'Features'] = features
else:
    # 构造新行DataFrame并合并
    new_row = pd.DataFrame([{'ID': tracking_id, 'Features': features}])
    self.df = pd.concat([self.df, new_row], ignore_index=True)

3. 完整修复代码 #

# 初始化空DataFrame
self.df = pd.DataFrame(columns=["ID", "Features"])

tracking_id = output[4]
# 统一ID类型，根据实际情况调整（如字符串则用str(tracking_id)）
tracking_id = int(tracking_id)

id_exists = self.df['ID'].isin([tracking_id]).any()
if id_exists:
    self.df.loc[self.df['ID'] == tracking_id, 'Features'] = features
else:
    new_row = pd.DataFrame([{'ID': tracking_id, 'Features': features}])
    self.df = pd.concat([self.df, new_row], ignore_index=True)

内容的提问来源于stack exchange，提问作者HusCet