如何在两个Pandas DataFrame间匹配ID并更新首个DataFrame的状态列

现有数据 #

df数据： #

df1数据： #

df列类型： #

system_time  - object
status - object
id    - int64
date   - object

已执行转换代码：

df['date'] = pd.to_datetime(df['system_time'])

需求 #

• 基于id匹配df和df1，匹配成功则将df的status替换为df1的task_status
• 保留df中每个id的最新记录（按date字段取最晚时间的行）
• 未匹配到df1的id，保持原status不变

预期输出 #

解决方案 #

按以下步骤实现：

1. 合并数据：用左连接将df1的task_status关联到df中，确保不丢失df的任何行
2. 更新status字段：对匹配到的id，用task_status覆盖原status；未匹配的保持原状态
3. 筛选最新记录：按id分组，每个组内取date最大的行
4. 整理结果：重置索引并恢复原列顺序

完整代码：

# 1. 左连接合并df和df1，关联task_status
merged_df = df.merge(df1, on='id', how='left')

# 2. 更新status列：有task_status则替换，否则保留原status
merged_df['status'] = merged_df['task_status'].fillna(merged_df['status'])

# 3. 按id分组，取每个id的最新记录（date最大的行）
# 先按date降序排序，再分组取第一行
result_df = merged_df.sort_values('date', ascending=False).groupby('id').first().reset_index()

# 4. 恢复原列顺序（去掉task_status列）
result_df = result_df[['system_time', 'status', 'id', 'date']]

# 输出结果
print(result_df)

执行上述代码后，即可得到符合预期的输出。

内容的提问来源于stack exchange，提问作者deepu2711