如何用np.where等方法根据另一DataFrame的ID修改DataFrame列值？

以下是几种高效可行的实现方式，解决你遇到的DF1中ID匹配DF2时替换Value的需求：

方法1：merge + combine_first #

通过左连接合并两个DataFrame，优先取DF2的新值，保留未匹配的原值：

# 重命名DF2的列，统一Value字段名
df2_renamed = df2.rename(columns={'New Value': 'Value'})
# 左连接，保留DF1的所有行
merged = df1.merge(df2_renamed, on='ID', how='left', suffixes=('', '_from_df2'))
# 优先用DF2的值，无匹配则保留DF1原值
merged['Value'] = merged['Value_from_df2'].combine_first(merged['Value'])
# 清理临时列，得到最终DF1
df1 = merged.drop('Value_from_df2', axis=1)

方法2：map + fillna #

利用字典映射快速匹配ID对应的新值，空值填充原值：

# 将DF2转换为ID到New Value的映射字典
id_value_map = df2.set_index('ID')['New Value']
# 匹配新值，未匹配到的用fillna保留原Value
df1['Value'] = df1['ID'].map(id_value_map).fillna(df1['Value'])

方法3：正确使用.loc实现 #

你之前尝试.loc未成功，问题出在没有基于ID匹配而非行索引定位，正确写法如下：

# 生成匹配掩码：DF1中ID存在于DF2的行
match_mask = df1['ID'].isin(df2['ID'])
# 定位匹配行，通过映射替换Value
df1.loc[match_mask, 'Value'] = df1.loc[match_mask, 'ID'].map(df2.set_index('ID')['New Value'])

你原有代码的问题 #

1. 循环中误用DF['ID']（应为DF1['ID']），且按行索引row取值错误——DF1和DF2的行索引不一定对应，必须基于ID值匹配而非行号。
2. 直接链式赋值DF1['Value'][row]可能触发SettingWithCopyWarning，建议始终用.loc进行赋值操作。

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