Pandas如何基于指定列匹配两个DataFrame并更新对应列值

这里提供两种远优于for循环的高效实现方式，均基于pandas原生向量运算，避免了Python层循环的性能开销，数据量越大性能优势越显著。

方法1：映射法（单字段更新最优） #

通过将df2的D列作为索引、C列作为值构造映射关系，直接对df1的C列批量赋值：

# 构造D到对应C值的映射关系
c_map = df2.set_index('D')['C']
# 批量更新df1的C列
df1['C'] = df1['D'].map(c_map)

如果存在df1中部分D值在df2中没有匹配项、需要保留df1原有C值的场景，可增加缺省值处理：

df1['C'] = df1['D'].map(c_map).fillna(df1['C'])

方法2：关联法（适合多字段同时更新） #

如果后续需要同时更新多个列，可使用左关联的方式实现：

# 先删除df1原有C列，再和df2的D、C列按D关联
df1 = df1.drop(columns=['C']).merge(df2[['D', 'C']], on='D', how='left')

两种方法执行后得到的df1都和你给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者ChinwalPrasad