基于id匹配将df2指定列值更新至df1对应列

问题背景 #

现有两个Pandas DataFrame：df1和df2，数据如下：

df1原始数据 #

df2原始数据 #

需求：当df1中的id在df2中存在时，将df2对应的Group、Family、Bonus列值覆盖到df1的对应列，最终得到如下结果：

预期更新后的df1 #

解决方案 #

方法一：使用merge + update（推荐，适合大数据量） #

利用Pandas的update方法，通过索引匹配实现高效更新：

import pandas as pd

# 构造原始DataFrame
df1 = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'Group': ['tri23_1', 'hsgç_T2', 'bbbj-1Y_jn', 'hsgç_T2'],
    'Family': ['Laavin', 'Grendy', 'Fantol', 'Gondow'],
    'Bonus': ['A', 'B', 'C', 'D']
})

df2 = pd.DataFrame({
    'id': [1, 2, 5, 6],
    'Group': ['tri', 'hsgç_T2', 'bbbj-1Y_jn', 'hsgç_T3'],
    'Family': ['Brendy', 'Fantol', 'Fantol', 'Gondow'],
    'Bonus': ['B', 'A', 'E', 'D']
})

# 筛选df2中存在于df1的id，提取需要更新的列并设置id为索引
update_source = df2[df2['id'].isin(df1['id'])].set_index('id')[['Group', 'Family', 'Bonus']]

# 将df1设置为id索引，执行更新后恢复原索引
df1 = df1.set_index('id')
df1.update(update_source)
df1 = df1.reset_index()

# 输出结果
print(df1)

说明：update方法会自动匹配相同索引的行，仅用非空值覆盖目标DataFrame，不会修改df1中不存在于df2的行。

方法二：使用loc直接定位赋值（直观，适合小数据量） #

通过遍历需要更新的行，直接定位df1的对应行进行赋值：

import pandas as pd

# 构造原始DataFrame（同方法一）
df1 = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'Group': ['tri23_1', 'hsgç_T2', 'bbbj-1Y_jn', 'hsgç_T2'],
    'Family': ['Laavin', 'Grendy', 'Fantol', 'Gondow'],
    'Bonus': ['A', 'B', 'C', 'D']
})

df2 = pd.DataFrame({
    'id': [1, 2, 5, 6],
    'Group': ['tri', 'hsgç_T2', 'bbbj-1Y_jn', 'hsgç_T3'],
    'Family': ['Brendy', 'Fantol', 'Fantol', 'Gondow'],
    'Bonus': ['B', 'A', 'E', 'D']
})

# 遍历df2中需要更新到df1的行
for _, row in df2[df2['id'].isin(df1['id'])].iterrows():
    # 定位df1中对应id的行，更新指定列
    df1.loc[df1['id'] == row['id'], ['Group', 'Family', 'Bonus']] = row[['Group', 'Family', 'Bonus']]

# 输出结果
print(df1)

说明：这种方式逻辑清晰，容易理解，但遍历行的效率较低，适合数据量较小的场景。

内容的提问来源于stack exchange，提问作者Scope