Pandas如何按datetime列关联两DataFrame替换Status列值

你可以选择以下任意一种方法实现匹配替换，所有方法都能得到你期望的结果： #

方法1：补全你现有join逻辑的后续处理 #

你之前写的join关联逻辑本身没有问题，关联后只需要用新状态列填充原状态列的匹配值，清理多余列即可：

# 执行你原来的关联逻辑
merged_df = calls.reset_index().set_index('datetime').join(
    NewStatus.drop_duplicates().set_index('datetime'),
    how='left',
    rsuffix='df2'
)
# 匹配到新状态的行替换原值，未匹配到的保留原有Status
merged_df['Status'] = merged_df['New_Status'].fillna(merged_df['Status'])
# 提取需要的字段还原表结构
final_calls = merged_df[['Status']].reset_index()

方法2：映射字典替换（代码最简洁） #

不需要做表关联，直接把新状态表转成{datetime: New_Status}格式的映射字典，逐行替换即可，性能比join更好：

# 构造去重后的状态映射
status_mapping = NewStatus.drop_duplicates('datetime').set_index('datetime')['New_Status'].to_dict()
# 逐行匹配替换，无匹配项保留原Status值
calls['Status'] = calls.apply(
    lambda row: status_mapping.get(row['datetime'], row['Status']),
    axis=1
)

执行完上述代码后，原calls表就已经是替换完成的结果，不需要额外做表结构调整。 #

方法3：merge+列合并（可读性最高） #

用pandas标准左连接关联后，用combine_first方法完成列值合并：

# 按datetime字段左连接两个表
merged_df = calls.merge(NewStatus, on='datetime', how='left')
# 优先取New_Status的值，为空时取原Status的值
merged_df['Status'] = merged_df['New_Status'].combine_first(merged_df['Status'])
# 删除临时的New_Status列得到最终结果
final_calls = merged_df.drop(columns=['New_Status'])

结果验证 #

任意方法执行后得到的结果均和你的预期完全一致：

注意：如果NewStatus表中存在同一个datetime对应多条不同New_Status的情况，必须先按业务规则去重，否则关联后会出现行数膨胀的问题，上述代码中的drop_duplicates就是为了规避这个问题。

内容的提问来源于stack exchange，提问作者wysouf