如何在Pandas中匹配两表isin列相同值后更新指定行数据

原代码报错的核心原因是：df1['isin']和df2['isin']是索引、长度均不匹配的Series，Pandas无法直接进行逐元素对齐比较，因此触发ValueError。以下是三种符合需求的正确实现方案：

方案1：使用merge左连接（最简洁通用） #

通过左连接保留df1所有行，自动匹配df2中相同isin对应的data值，未匹配行填充NaN：

import pandas as pd

data1 = [['xx'], ['4']] 
data2 = [['4', 'x0'], ['aa', 'bb'], ['cc', 'dd']]

df1 = pd.DataFrame(data=data1, columns=["isin"])
df2 = pd.DataFrame(data=data2, columns=["isin", "data"])

# 按isin列左连接，保留df1全部行
df3 = df1.merge(df2, on='isin', how='left')
print(df3)

输出结果：

isin data
0   xx  NaN
1    4   x0

方案2：使用map字典映射 #

先将df2转换为isin到data的映射字典，再通过map方法填充df1的data列：

import pandas as pd

data1 = [['xx'], ['4']] 
data2 = [['4', 'x0'], ['aa', 'bb'], ['cc', 'dd']]

df1 = pd.DataFrame(data=data1, columns=["isin"])
df2 = pd.DataFrame(data=data2, columns=["isin", "data"])

# 构建isin与data的映射字典
isin_data_map = df2.set_index('isin')['data'].to_dict()
# 映射填充data列
df1['data'] = df1['isin'].map(isin_data_map)
print(df1)

方案3：精准定位赋值（适合明确匹配值的场景） #

如果仅需匹配特定值（如本题的'4'），可直接定位行进行赋值：

import pandas as pd

data1 = [['xx'], ['4']] 
data2 = [['4', 'x0'], ['aa', 'bb'], ['cc', 'dd']]

df1 = pd.DataFrame(data=data1, columns=["isin"])
df2 = pd.DataFrame(data=data2, columns=["isin", "data"])

# 初始化data列为空值
df1['data'] = pd.NA
# 提取df2中isin为'4'的data值
target_data = df2.loc[df2['isin'] == '4', 'data'].iloc[0]
# 给df1对应行赋值
df1.loc[df1['isin'] == '4', 'data'] = target_data
print(df1)

内容的提问来源于stack exchange，提问作者MrTille