如何给pandas DataFrame满足特定条件的行赋值？

错误原因 #

你写的比对逻辑df1['Col1'] == df2['Col1']是pandas默认按行索引对齐逐行比对，仅当两个DataFrame长度完全一致、且索引顺序完全匹配时才能得到正确的比对结果，否则会触发长度不匹配报错，或匹配到错误的行。赋值时直接传入整列df2['ColY']也会和左值筛选出的行数不匹配，进一步触发错误。

解决方案 #

方法1：映射赋值（最简洁，适合df2的Col1列无重复值的场景）

先将df2的Col1和ColY转为映射关系，再给df1的ColX赋值：

# 构造Col1到ColY的映射关系
col_mapper = df2.set_index('Col1')['ColY']
# 全量覆盖ColX，未匹配到的行会设为NaN
df1['ColX'] = df1['Col1'].map(col_mapper)

如果你需要保留df1中ColX的原有值，仅更新匹配成功的行，调整写法为：

df1['ColX'] = df1['Col1'].map(col_mapper).fillna(df1['ColX'])

方法2：合并赋值（适合多条件匹配等更复杂的场景）

通过左连接关联两个DataFrame后赋值：

# 左连接保留df1所有行，仅关联df2的Col1和ColY列
df1 = df1.merge(df2[['Col1', 'ColY']], on='Col1', how='left')
# 用匹配到的ColY更新ColX，未匹配到的保留原值
df1['ColX'] = df1['ColY'].fillna(df1['ColX'])
# 删除多余的ColY列
df1.drop('ColY', axis=1, inplace=True)

注意事项 #

如果df2的Col1列存在重复值，建议先对df2按Col1去重，避免匹配结果不符合预期：

# keep参数可指定保留第一个还是最后一个重复值
df2 = df2.drop_duplicates('Col1', keep='last')

内容的提问来源于stack exchange，提问作者Ashim