如何通过指定Series替换Pandas DataFrame重复索引对应的列值？

方法1：loc直接赋值（最简洁，推荐） #

这是最符合Pandas规范的写法，自动匹配所有重复索引的行，代码如下：

import pandas as pd

# 示例数据
df = pd.DataFrame(data={'hi':[1, 2, 3, 4, 5, 6, 7]}, index=[1, 1, 1, 2, 2, 3, 4])
exceptions = pd.Series(data=[90, 95], index=[2, 4])

# 核心更新代码
df.loc[exceptions.index, 'hi'] = exceptions

操作原理：loc选中所有索引在exceptions.index中的行时，会自动命中所有重复索引对应的行，赋值时会自动按索引对齐exceptions的取值，不需要额外处理重复索引。
如果不确定exceptions的索引是否全部存在于df中，可以先取索引交集避免意外新增行：

common_idx = df.index.intersection(exceptions.index)
df.loc[common_idx, 'hi'] = exceptions.loc[common_idx]

方法2：reindex对齐+填充（适合多列更新/不修改原数据场景） #

如果需要保留原df不修改，或者需要同时更新多列，可以用reindex对齐索引后填充：

# 生成新的DataFrame，不修改原df
new_df = df.copy()
new_df['hi'] = exceptions.reindex(new_df.index).fillna(new_df['hi']).astype(int)

操作原理：reindex会将exceptions按照原df的索引长度扩展，重复索引对应的值会自动复制匹配，不存在的索引位置返回NaN，再用原数据填充NaN即可保留不需要修改的部分。

两种方法都是向量化操作，比循环实现的效率高很多，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者David Jay Brady