Python pandas如何用另一张表覆盖主表指定两列数据且避免重复

核心逻辑是避开merge/concat的全量拼接逻辑，以股票名称为唯一匹配键定向更新字段，从根源避免重复数据。

方案1：map字典匹配法（逻辑简单，推荐新手使用） #

首先将每日股价表转换为「股票名: 最新股价」的映射字典，直接匹配更新主表股价列，未匹配到的股票保留原有股价：

import pandas as pd

# 1. 构造/读取你的主表
main_df = pd.DataFrame({
    '持有人': ['John', 'Katie', 'Emma'],
    '股票名称': ['苹果', '特斯拉', '三星'],
    '持股数': [4, 10, 50],
    '当日股价': [150, 220, 60]
})

# 2. 构造/读取每日最新股价表
daily_price_df = pd.DataFrame({
    '股票名称': ['苹果', '特斯拉'],
    '最新股价': [155, 235]
})

# 3. 执行更新操作
price_map = daily_price_df.set_index('股票名称')['最新股价'].to_dict()
# 匹配到的用新股价，没匹配到的保留旧值
main_df['当日股价'] = main_df['股票名称'].map(price_map).fillna(main_df['当日股价']).astype(int)

方案2：update索引匹配法（适合多字段批量更新场景） #

通过对齐索引实现精准匹配更新，不会新增行、也不会修改未匹配的记录：

# 两张表统一用股票名称作为匹配索引
main_df = main_df.set_index('股票名称')
daily_price_df = daily_price_df.set_index('股票名称')

# 对齐字段名后执行更新，仅覆盖匹配到的行的对应字段
main_df.update(daily_price_df.rename(columns={'最新股价': '当日股价'}))

# 更新完成后重置索引，恢复原有表结构
main_df = main_df.reset_index()

注意：如果需要提前过滤无效股价数据，可以加一步过滤：daily_price_df = daily_price_df[daily_price_df['股票名称'].isin(main_df['股票名称'])]，排除主表不存在的股票记录。

内容的提问来源于stack exchange，提问作者jaewon lee