在R中基于Number列匹配，用另一数据框非NA值覆盖列数据

解决方案（Pandas） #

首先注意：df2中的"NA"是字符串，需先转换为Pandas可识别的空值逻辑，再执行覆盖操作。

方法1：合并后用combine_first（适合保留多列场景）

import pandas as pd
import numpy as np

# 模拟用户数据（实际使用时替换为你的真实数据）
df1 = pd.DataFrame({
    'Number': [1,2,3,10,11,4,277,2100],
    'Code': ['', '', '', '', 'AMRO', '', '', 'BLPH']
})

df2 = pd.DataFrame({
    'Number': [1,2,3,10,12,4,277,2100],
    'Code': ['AMCR', 'AMCR', 'BANO', 'BAEA', 'AMRO', 'NA', 'NA', 'NA']
})

# 将df2中的字符串"NA"转为NaN
df2['Code'] = df2['Code'].replace('NA', np.nan)

# 按Number左合并，保留df1所有行
merged = df1.merge(df2, on='Number', suffixes=('_df1', '_df2'), how='left')

# 优先取df2的非空Code，否则保留df1的Code
merged['Code'] = merged['Code_df2'].combine_first(merged['Code_df1'])

# 提取目标列得到最终结果
df1_updated = merged[['Number', 'Code']].reset_index(drop=True)

方法2：字典映射更新（高效简洁，适合仅处理Code列）

import pandas as pd

# 模拟用户数据
df1 = pd.DataFrame({
    'Number': [1,2,3,10,11,4,277,2100],
    'Code': ['', '', '', '', 'AMRO', '', '', 'BLPH']
})

df2 = pd.DataFrame({
    'Number': [1,2,3,10,12,4,277,2100],
    'Code': ['AMCR', 'AMCR', 'BANO', 'BAEA', 'AMRO', 'NA', 'NA', 'NA']
})

# 构建Number到有效Code的字典（过滤掉"NA"项）
code_map = df2[df2['Code'] != 'NA'].set_index('Number')['Code'].to_dict()

# 遍历df1，匹配则替换，否则保留原值
df1['Code'] = df1.apply(lambda row: code_map.get(row['Number'], row['Code']), axis=1)

两种方法均可得到符合预期的结果，可根据实际数据规模和需求选择。

内容的提问来源于stack exchange，提问作者Jacob