如何用另一Pandas DataFrame列更新指定列（类SQL UPDATE JOIN）

问题场景 #

我有两个Pandas DataFrame：

第一个DataFrame（First） #

第二个DataFrame（Second） #

需求 #

• 提取Second DataFrame的所有行
• 通过Timestamp和Label在First DataFrame中匹配行（忽略无法匹配的行）
• 用Second.Value的值更新First.Value列，最终得到如下结果：

更新后的First DataFrame #

在SQL中可以用UPDATE JOIN实现，但不清楚Pandas的操作方式。试过DataFrame.update和DataFrame.merge，但它们更偏向完全合并，我只需要复制特定值，猜测可能用到多级索引但不熟悉，求帮助。

补充：有人询问是否与《Pandas Merging 101》重复，我认为不是，因为需要原地更新第一个数据集，merge似乎无法实现。

解决方案 #

方法一：多级索引 + update（原地更新，推荐） #

通过设置Timestamp和Label为联合索引，利用update方法实现原地匹配更新，完全符合需求：

# 为两个DataFrame设置联合索引（匹配键）
first_df.set_index(['Timestamp', 'Label'], inplace=True)
second_df.set_index(['Timestamp', 'Label'], inplace=True)

# 仅用Second的Value列更新First的对应列，自动忽略不匹配的行
first_df.update(second_df[['Value']])

# 可选：恢复原索引结构（如果不需要保留联合索引）
first_df.reset_index(inplace=True)

方法二：merge + combine_first（生成新DataFrame） #

如果不想修改索引，可以通过合并+值覆盖的方式生成更新后的DataFrame，再赋值给原变量：

# 提取Second中用于更新的必要列（匹配键+Value）
second_update = second_df[['Timestamp', 'Label', 'Value']]

# 左连接First和更新数据，添加后缀区分重复列
merged = first_df.merge(second_update, on=['Timestamp', 'Label'], how='left', suffixes=('', '_new'))

# 用Second的Value覆盖匹配行，未匹配行保留原值
merged['Value'] = merged['Value_new'].combine_first(merged['Value'])

# 删除临时列，得到最终结果
merged.drop(columns=['Value_new'], inplace=True)

# 原地更新原DataFrame
first_df = merged

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