Python实现DataFrame指定列存在目标值则替换否则追加新行

你已经完成了值存在性的判断，替换匹配行的'b'列值直接用pandas原生布尔索引即可，不需要手动定位行号，完整可运行的实现逻辑如下：

import pandas as pd

def upsert_df(df, x, y):
    if x in df['a'].values:
        # 选中所有a列值等于x的行，将对应b列值更新为y
        df.loc[df['a'] == x, 'b'] = y
    else:
        # 值不存在时追加新行，重置索引避免索引冲突
        df = pd.concat(
            [df, pd.DataFrame({'a': [x], 'b': [y]})],
            ignore_index=True
        )
    return df

对应你给出的两个测试场景，运行结果完全符合预期：

1. 场景1：x存在于'a'列

# 构造初始DataFrame
df_before1 = pd.DataFrame({'a': [0,3,2,1], 'b': [6,2,8,2]})
x, y = 1, 5
df_after1 = upsert_df(df_before1, x, y)
print(df_after1)

输出：

a  b
0  0  6
1  3  2
2  2  8
3  1  5

2. 场景2：x不存在于'a'列

# 构造初始DataFrame
df_before2 = pd.DataFrame({'a': [0,3,2,5], 'b': [6,2,8,3]})
df_after2 = upsert_df(df_before2, x, y)
print(df_after2)

输出：

a  b
0  0  6
1  3  2
2  2  8
3  5  3
4  1  5

• df.loc[条件筛选, 目标列] = 新值是pandas官方推荐的按条件赋值写法，不会触发链式赋值警告，稳定性比先取行号再赋值更高
• 如果你的'a'列存在多个重复的x值，上述代码会把所有匹配行的'b'列都更新为y；如果业务要求'a'列值唯一，这个写法可以直接使用；如果只需要更新第一个匹配行，可以将筛选条件改为df[df['a'] == x].index[0]取第一个匹配行的索引再赋值
• 追加新行使用pd.concat是为了兼容pandas 2.0及以上版本，旧版本的df.append方法已经在新版本中被移除，不建议继续使用

内容的提问来源于stack exchange，提问作者Defqon