基于ID和visit匹配，用df2值替换df1对应weight字段的实现方法问询

核心逻辑 #

以IDs和visit作为联合匹配键，左关联两个数据集后按需覆盖weight字段，全程保留df1的原有行结构和字段。

具体实现（基于Python Pandas） #

操作步骤 #

• 左关联df1和df2，仅保留df2的weight字段，设置后缀区分两个来源的weight，避免字段冲突
• 对weight字段做取值判断：若匹配到df2的weight则用df2的值，否则保留df1的原值
• 删除关联产生的多余字段，得到和df1结构完全一致的结果

示例代码 #

import pandas as pd

# 左关联两个数据集，联合匹配IDs和visit字段
df_merge = df1.merge(df2[["IDs", "visit", "weight"]], on=["IDs", "visit"], how="left", suffixes=("", "_df2"))
# 替换weight值
df_merge["weight"] = df_merge.apply(
    lambda row: row["weight_df2"] if pd.notnull(row["weight_df2"]) else row["weight"],
    axis=1
)
# 移除多余字段，得到最终结果
df3 = df_merge.drop("weight_df2", axis=1)

结果验证 #

• df3的行数量、字段列表、字段顺序和原df1完全一致
• IDs取值1-50的记录，weight值和df2完全匹配，无visit匹配错位问题
• IDs取值51-100的记录，weight、height字段均保留df1的原始值

内容的提问来源于stack exchange，提问作者Lili