如何基于另一个Pandas DataFrame替换某列的值？

需求说明：

• 以col1作为主键，用df2中的col2值覆盖df1中对应主键行的col2
• 保留df1中原有的col3值不变

方法一：使用update方法（推荐） #

update方法会根据索引匹配，用另一个DataFrame的值更新当前DataFrame，非常适合这种按主键更新指定列的场景：

import pandas as pd

# 构建原始DataFrame
d1 = {'col1': ['1', '2','3','4'], 'col2': [12, 34,56,78],'col3':[100,200,300,400]}
df1 = pd.DataFrame(data=d1)
d2 = {'col1': ['2','3'], 'col2': [1984,4891],'col3':[500,600]}
df2 = pd.DataFrame(data=d2)

# 按主键更新col2
# 先将col1设为索引，确保匹配主键
df_updated = df1.set_index('col1')
# 用df2的col2更新df_updated的col2
df_updated['col2'].update(df2.set_index('col1')['col2'])
# 恢复原索引
df_final = df_updated.reset_index()

print(df_final)

运行后输出结果：

col1  col2  col3
0    1    12   100
1    2  1984   200
2    3  4891   300
3    4    78   400

方法二：使用merge结合fillna #

如果不想修改索引结构，可以用合并的方式实现：

import pandas as pd

# 构建原始DataFrame
d1 = {'col1': ['1', '2','3','4'], 'col2': [12, 34,56,78],'col3':[100,200,300,400]}
df1 = pd.DataFrame(data=d1)
d2 = {'col1': ['2','3'], 'col2': [1984,4891],'col3':[500,600]}
df2 = pd.DataFrame(data=d2)

# 合并两个DataFrame，仅关联df2的主键和目标列
merged = df1.merge(df2[['col1', 'col2']], on='col1', how='left', suffixes=('', '_df2'))
# 用df2的col2值覆盖匹配行，未匹配行保留原数据
merged['col2'] = merged['col2_df2'].fillna(merged['col2'])
# 删除临时生成的辅助列
df_final = merged.drop('col2_df2', axis=1)

print(df_final)

该方法同样能得到目标结果，适合需要维持原索引逻辑的场景。

内容的提问来源于stack exchange，提问作者user27286