如何在不同索引下基于条件从另一DataFrame更新pandas DataFrame行？

我有两个示例数据集：

test1 #

ID          Label   Key
0   K1a89aKkkkkk    23     23_TAMPA
1   Ka18d8Kkkkkk    2      2_MIAMI
2   Kae851Kkkkkk    10     10_WEST PALM BEACH
3   Kf054cKkkkkk    27     27_JACKSONVILLE
4   Ka1129Kkkkkk    2      2_MIAMI
5   Kae8e1Kkkkkk    10     10_WEST PALM BEACH
6   Ka9045Kkkkkk    50     50_ORLANDO
7   K1a95eKkkkkk    51     51_SAINT PETERSBURG
8   Kae931Kkkkkk    19     19_FORT LAUDERDALE
9   Ka1382Kkkkkk    19     19_FORT LAUDERDALE

test2 #

ID          Label   Key
9791    Ke53a3Kkkkkk    NaN    NaN
9792    Ke1c8dKkkkkk    NaN    NaN
9793    Kf69acKkkkkk    NaN    NaN
9794    Ke2821Kkkkkk    NaN    NaN
9795    Ke0a14Kkkkkk    NaN    NaN
9796    Kf6a4cKkkkkk    NaN    NaN
9797    Ka83acKkkkkk    NaN    NaN
9798    Kf4698Kkkkkk    NaN    NaN
9799    Ke1981Kkkkkk    NaN    NaN
9800    Ka9a40Kkkkkk    NaN    NaN

我想基于test1的条件更新test2的Label和Key列，比如当test2中ID为Ke2821Kkkkkk时，把它的Label和Key更新为2和2_MIAMI。

我尝试了以下代码：

test2.loc[test2["ID"]=="Ke2821Kkkkkk"][["Label", "Key"]] = test1.loc[test1["ID"]=="Ka1129Kkkkkk"][["Label", "Key"]]
test2.loc[test2["ID"]=="Ka83acKkkkkk"][["Label", "Key"]] = test1.loc[test1["ID"]=="Ka9045Kkkkkk"][["Label", "Key"]]
test2.loc[test2["ID"]=="Ka9a40Kkkkkk"][["Label", "Key"]] = test1.loc[test1["ID"]=="Ka1129Kkkkkk"][["Label", "Key"]]

但因为两个DataFrame的索引不同，更新操作没生效。请问怎么在不同索引下，基于条件从另一个DataFrame更新目标DataFrame的行？

期望输出：

ID          Label   Key
9791    Ke53a3Kkkkkk    NaN    NaN
9792    Ke1c8dKkkkkk    NaN    NaN
9793    Kf69acKkkkkk    NaN    NaN
9794    Ke2821Kkkkkk    2      2_MIAMI
9795    Ke0a14Kkkkkk    NaN    NaN
9796    Kf6a4cKkkkkk    NaN    NaN
9797    Ka83acKkkkkk    50     50_ORLANDO
9798    Kf4698Kkkkkk    NaN    NaN
9799    Ke1981Kkkkkk    NaN    NaN
9800    Ka9a40Kkkkkk    2      2_MIAMI

方法1：提取值时忽略索引（直接用.values） #

代码失效的核心原因是赋值时保留了test1的索引，导致和test2的索引不匹配。可以通过.values提取纯数值数组来忽略索引，直接完成赋值：

# 更新Ke2821Kkkkkk
mask = test2["ID"] == "Ke2821Kkkkkk"
test2.loc[mask, ["Label", "Key"]] = test1.loc[test1["ID"] == "Ka1129Kkkkkk", ["Label", "Key"]].values

# 更新Ka83acKkkkkk
mask = test2["ID"] == "Ka83acKkkkkk"
test2.loc[mask, ["Label", "Key"]] = test1.loc[test1["ID"] == "Ka9045Kkkkkk", ["Label", "Key"]].values

# 更新Ka9a40Kkkkkk
mask = test2["ID"] == "Ka9a40Kkkkkk"
test2.loc[mask, ["Label", "Key"]] = test1.loc[test1["ID"] == "Ka1129Kkkkkk", ["Label", "Key"]].values

方法2：构造映射字典批量更新（更高效） #

如果需要更新的条目较多，建议先从test1构建ID到(Label, Key)的映射，再批量更新test2，代码更简洁易维护：

# 从test1创建ID到Label和Key的映射
id_map = test1.set_index("ID")[["Label", "Key"]]

# 定义test2需要更新的ID与test1对应ID的关系
update_pairs = {
    "Ke2821Kkkkkk": "Ka1129Kkkkkk",
    "Ka83acKkkkkk": "Ka9045Kkkkkk",
    "Ka9a40Kkkkkk": "Ka1129Kkkkkk"
}

# 遍历完成批量更新
for test2_id, test1_id in update_pairs.items():
    test2.loc[test2["ID"] == test2_id, ["Label", "Key"]] = id_map.loc[test1_id].values

方法3：用replace批量处理（适用于大规模替换场景） #

如果test2中需要更新的ID可以直接对应到test1的ID映射，也可以用replace方法批量完成：

# 从test1构造Label和Key的基础映射字典
label_map = test1.set_index("ID")["Label"].to_dict()
key_map = test1.set_index("ID")["Key"].to_dict()

# 扩展映射，把test2需要更新的ID指向对应test1的ID的值
label_map.update({
    "Ke2821Kkkkkk": label_map["Ka1129Kkkkkk"],
    "Ka83acKkkkkk": label_map["Ka9045Kkkkkk"],
    "Ka9a40Kkkkkk": label_map["Ka1129Kkkkkk"]
})
key_map.update({
    "Ke2821Kkkkkk": key_map["Ka1129Kkkkkk"],
    "Ka83acKkkkkk": key_map["Ka9045Kkkkkk"],
    "Ka9a40Kkkkkk": key_map["Ka1129Kkkkkk"]
})

# 批量替换NaN值
test2["Label"] = test2["Label"].fillna(test2["ID"].map(label_map))
test2["Key"] = test2["Key"].fillna(test2["ID"].map(key_map))

以上三种方法都能解决索引不匹配的问题，其中方法2和3更适合批量更新的场景，代码可读性和可维护性更强。

内容的提问来源于stack exchange，提问作者Ailurophile