如何用df1匹配CUSTOMERID的OPEN_DT值替换df2中OPEN_DT的NaN？

场景说明 #

你有两个DataFrame：

• df1：存储每个CUSTOMERID对应的唯一开户日期（最小日期）
• df2：包含重复的CUSTOMERID，其中OPEN_DT列存在部分NaN值，需要用df1中对应客户的日期替换这些NaN

可行解决方案 #

方法1：用字典映射快速填充

先将df1转换为客户ID到开户日期的映射字典，再通过map匹配后填充NaN：

# 构建客户ID与开户日期的映射字典
open_dt_mapping = df1.set_index('CUSTOMERID')['OPEN_DT'].to_dict()

# 填充df2中的NaN值
df2['OPEN_DT'] = df2['OPEN_DT'].fillna(df2['CUSTOMERID'].map(open_dt_mapping))

方法2：通过关联表结合combine_first替换

先关联两个DataFrame，再优先保留df2原有值，缺失时用df1的对应值：

# 左关联df2和df1，保留df2所有行
merged_df = df2.merge(df1, on='CUSTOMERID', suffixes=('', '_df1'), how='left')

# 替换NaN：优先用df2原OPEN_DT，无值则取df1的对应日期
df2['OPEN_DT'] = merged_df['OPEN_DT'].combine_first(merged_df['OPEN_DT_df1'])

# 清理临时列（可选）
merged_df.drop('OPEN_DT_df1', axis=1, inplace=True)

常见失败原因 #

之前关联后替换失败，大概率是以下问题：

• 关联方式错误：用了inner关联导致丢失df2中未匹配到的行
• 未正确处理重复列名：关联后未区分原df2和df1的OPEN_DT列
• 未使用fillna或combine_first完成NaN替换，仅做了关联操作

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