Pandas如何匹配两个DataFrame指定列值并替换对应列内容

你之前用.map/.isin/if-else没成功，核心原因是没提前处理DF1里同一个SICCode对应多个Industry Title的重复问题——你给出的样例里SICCode=4941在DF1同时对应两个行业名，不先做去重映射的话，匹配时会出现值冲突、返回空值的问题。

可直接运行的实现代码 #

1. 先构造去重的映射字典，每个SICCode只保留第一次出现对应的行业名，避免多值冲突

# 去重逻辑：同一SICCode取DF1中第一条记录的Industry Title作为映射值
sic_map = DF1.drop_duplicates(subset="SICCode", keep="first")\
             .set_index("SICCode")["Industry Title"]\
             .to_dict()

2. 批量替换DF2的Sector列，匹配不到的SICCode保留原有Sector值

DF2["Sector"] = DF2["SICCode"].map(sic_map).fillna(DF2["Sector"])

替换后结果 #

针对你给出的样例数据，替换后的DF2如下，完全符合需求：

之前方法失效的常见原因 #

• 用.map时没有先对DF1的SICCode去重，同一编码对应多个行业名时，映射关系混乱导致返回空值
• 用.isin只能判断值是否存在，无法关联拿到对应的Industry Title值，没法完成替换
• 手写if-else逐行遍历效率低，且大多没处理重复编码的映射优先级，容易出现值覆盖错误

内容的提问来源于stack exchange，提问作者risky2109