使用pandas的update方法时对比两个DataFrame日期实现条件更新

首先你需要先把两个DataFrame的Date列转换为datetime类型，避免字符串直接比较出现逻辑错误，之后可以通过两种方式实现你的需求： #

方法1：过滤df2有效行后执行update（更直观易理解） #

先筛选出df2中满足日期大于df1同PC对应日期的行，再执行更新操作，update方法会自动跳过不存在的索引和NaN值，不会修改df1中不符合条件的行：

import pandas as pd

# 1. 转换日期列为datetime类型，保证比较逻辑正确
df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])

# 2. 设置PC为索引（你已经完成的步骤）
df1.set_index('PC', drop=False, inplace=True)
df2.set_index('PC', drop=False, inplace=True)

# 3. 构造更新掩码：筛选df2中日期更大的行
update_mask = df2['Date'] > df1.loc[df2.index, 'Date']
df2_valid = df2[update_mask]

# 4. 执行更新
df1.update(df2_valid)

# （可选）如果需要把日期转回原字符串格式，添加以下代码
df1['Date'] = df1['Date'].dt.strftime('%-m/%-d/%Y')

方法2：使用filter_func参数的正确写法 #

你之前报错的原因是filter_func要求传入可调用对象（函数/ lambda等），而非直接传入布尔数组。这个可调用对象会接收df2的每一列作为输入，返回对应位置是否需要更新的布尔数组：

import pandas as pd

# 1. 日期类型转换、设置索引步骤同上
df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])
df1.set_index('PC', drop=False, inplace=True)
df2.set_index('PC', drop=False, inplace=True)

# 2. 预计算每个索引是否满足更新条件
update_mask = df2['Date'] > df1.loc[df2.index, 'Date']

# 3. 定义符合要求的filter_func
def update_filter(col):
    # 按当前列的索引返回对应的更新布尔值
    return update_mask.reindex(col.index).values

# 4. 带filter_func执行更新
df1.update(df2, filter_func=update_filter)

# （可选）转回原日期字符串格式
df1['Date'] = df1['Date'].dt.strftime('%-m/%-d/%Y')

两种方法执行后得到的df1和你期望的输出结果完全一致。

内容的提问来源于stack exchange，提问作者rekeson21