如何用Pandas实现基于公共列的SQL式DataFrame关联更新？

我懂你这种想在Pandas里复刻SQL UPDATE逻辑的困惑！之前我也试过各种merge/join踩坑，其实有几个简洁的方法能搞定，完全不用循环，咱们一步步来：

首先先把你的测试数据用代码还原出来，方便测试：

import pandas as pd

# 创建示例df1
df1 = pd.DataFrame({
    'key_col': [50, 49, 23],
    'cola': ['foo', 'foo', 'bar'],
    'colb': ['bar', 'bar', 'foo'],
    'colc': ['foo', 'bla', 'bla']
})

# 创建示例df2
df2 = pd.DataFrame({
    'key_col': [23, 50],
    'colz': ['something', 'something else']
})

方法一：字典映射法（最简洁直观） #

核心思路是把df2转换成{key_col: colz}的字典映射，然后用map匹配赋值，最后用fillna保留未匹配行的原值：

# 将df2转换为key_col到colz的字典
key_col_to_colz = df2.set_index('key_col')['colz'].to_dict()

# 更新colc：匹配到的用字典值，未匹配的保留原colc内容
df1['colc'] = df1['key_col'].map(key_col_to_colz).fillna(df1['colc'])

运行后得到的df1就是你想要的结果：

key_col cola colb             colc
0       50  foo  bar  something else
1       49  foo  bar             bla
2       23  bar  foo       something

方法二：左连接+合并更新法 #

如果需要同时更新多列，这种方法更灵活。先通过左连接把df2的列合并过来，再用combine_first保留原值：

# 左连接df1和df2，只引入df2的colz列
merged_df = df1.merge(df2, on='key_col', how='left')

# 用colz的值覆盖colc，未匹配的行保留原colc内容
merged_df['colc'] = merged_df['colz'].combine_first(merged_df['colc'])

# 移除临时的colz列，得到最终df1
df1 = merged_df.drop('colz', axis=1)

方法三：loc精准定位赋值法 #

直接定位到df1中key_col存在于df2的行，精准赋值，不影响其他行：

# 先创建key到colz的映射
colz_map = df2.set_index('key_col')['colz']

# 定位匹配行，直接更新colc
df1.loc[df1['key_col'].isin(df2['key_col']), 'colc'] = df1['key_col'].map(colz_map)

小提示：为什么之前merge/join会失败？ #

很多人直接merge后直接赋值df1['colc'] = merged['colz']，这样会把未匹配行的colc改成NaN，忘记用fillna或者combine_first保留原值，这是最容易踩的坑！

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