Pandas两DataFrame按ID匹配替换对应列值的实现问题

方案1：Series映射替换（推荐，适配你的场景） #

该方案无需转换字典，仅通过pandas原生索引映射实现，资源消耗极低，完全适配你当前的数据规模：

# 构建ID到ACC的映射Series
id_mapper = df2.set_index('ID')['ACC']
# 对df1的ID列做匹配替换，未匹配到的取值保留原值
df1['ID'] = df1['ID'].map(id_mapper).fillna(df1['ID'])

方案2：左连接替换（适合后续多列扩展匹配场景） #

如果后续需要匹配df2的多列数据，可以用左连接的方式实现：

# 左连接匹配两个DataFrame的ID列
df1 = df1.merge(df2, on='ID', how='left')
# 用匹配到的ACC值覆盖原ID列，未匹配到的保留原值
df1['ID'] = df1['ACC'].fillna(df1['ID'])
# 删除临时生成的ACC列
df1.drop('ACC', axis=1, inplace=True)

性能说明 #

你当前的df2仅3652行，两种方案都可以秒级运行，不会出现性能瓶颈。其中方案1的映射Series内存占用仅为同规模字典的30%左右，完全不存在你之前遇到的转字典数据量过大的问题。

内容的提问来源于stack exchange，提问作者honhon