Pandas如何匹配两个不同DataFrame的ID并替换对应Department值

以下两种都是基于pandas原生矢量化操作的实现，效率远高于自定义循环遍历，适合任意量级的数据处理：

方法1：使用map映射更新（最简洁） #

核心逻辑是先将df2转为ID到Department的映射关系，再匹配df1的ID完成更新，未匹配到的ID自动保留原值：

# 构建ID到新部门的映射序列
dept_mapper = df2.set_index('ID')['Department']
# 匹配更新，未匹配到的保留原有Department值
df1['Department'] = df1['ID'].map(dept_mapper).fillna(df1['Department'])

方法2：使用update方法更新（适合多列更新场景） #

pandas内置的update方法天生支持仅更新匹配索引的对应值，无需额外判断：

# 临时将ID设为索引用于匹配
df1_idx = df1.set_index('ID')
df2_idx = df2.set_index('ID')
# 仅更新匹配到的ID对应的Department值，其余数据不改动
df1_idx.update(df2_idx['Department'])
# 恢复原始索引结构
df1 = df1_idx.reset_index()

两种方法运行后得到的结果和你给出的预期输出完全一致：匹配到的ID1234、2356的Department会被替换为df2中的对应值，其余行数据保持不变。

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