如何基于MeetingId匹配用另一DataFrame更新Pandas DataFrame的TAB列

我有两个均包含MeetingId和TAB列的DataFrame：

• 第一个（df1）是完整表格，但TAB列存在部分错误
• 第二个（df2）是错误修正数据

需求：当MeetingId匹配时，用第二个DataFrame的TAB列替换第一个的对应列。

示例表格：

MeetingId    TAB
123          TRUE
124          FALSE

现有代码：

df1 = meetingdf1
df1.set_index("MeetingId")
df2 = meetingdf2
df2.set_index("MeetingId")
df1.update(df2)
print(df1)

原代码的核心问题是：set_index方法默认不会修改原DataFrame，而是返回一个新的、已修改索引的DataFrame。你的df1和df2实际仍使用默认索引，导致update无法通过MeetingId匹配完成替换。

方案1：原地修改索引 #

使用inplace=True参数让set_index直接修改原DataFrame：

df1 = meetingdf1
df1.set_index("MeetingId", inplace=True)
df2 = meetingdf2
df2.set_index("MeetingId", inplace=True)
df1.update(df2)
# 如需恢复原索引结构，执行下面一行
df1.reset_index(inplace=True)
print(df1)

方案2：重新赋值索引修改后的对象 #

如果不想原地修改原DataFrame，可将set_index的返回结果重新赋值：

df1 = meetingdf1.set_index("MeetingId")
df2 = meetingdf2.set_index("MeetingId")
df1.update(df2)
df1 = df1.reset_index()
print(df1)

方案3：用merge实现替换（保留原结构） #

若需要保留原DataFrame的初始结构，也可以用merge结合combine_first完成替换：

# 合并两个DataFrame，保留df1的所有行
merged_df = df1.merge(df2[["MeetingId", "TAB"]], on="MeetingId", how="left", suffixes=("", "_corrected"))
# 用修正值覆盖原TAB列，无修正的保留原值
merged_df["TAB"] = merged_df["TAB_corrected"].combine_first(merged_df["TAB"])
# 删除临时生成的修正列
merged_df.drop("TAB_corrected", axis=1, inplace=True)
print(merged_df)

内容的提问来源于stack exchange，提问作者onthepunt