Python如何匹配不同DataFrame相同字段值并更新原表数据

• 列名调用错误：原始DataFrame存储汽车品牌的列名是Original Car Brand，原代码中调用了不存在的Car Brand列，直接触发字段不存在的错误，流程无法正常执行
• 映射字典构造错误：原代码中dict(corrected_df[['Car Brand', 'Current City']]) 的写法并不能生成逐行对应的“品牌-城市”键值对，它只会把DataFrame的列名作为字典的键，存储整列的Series作为值，完全无法用于匹配
• 缺失值处理逻辑缺失：就算把列名和字典写法改对，直接把map结果赋值给城市列，会让没有匹配到修正表的品牌对应城市直接变为空值，不符合“未匹配保留原城市值”的需求

# 1. 正确构造逐行的品牌-城市映射字典
brand_city_map = dict(zip(corrected_df["Car Brand"], corrected_df["Current City"]))
# 2. 用原表的正确品牌列做匹配，匹配失败的空值位置填充原城市值
original_df["Original City"] = original_df["Original Car Brand"].map(brand_city_map).fillna(
    original_df["Original City"]
)

代码运行完成后，输出结果和预期完全一致：

• 修正表覆盖的品牌：Tesla、Renault、BMW、Fiat、Audi、Ferrari、Lamborghini、Mercedes对应的城市，全部替换为修正表的最新值
• 未在修正表中出现的品牌，城市值完全保留原表内容，无空值或覆盖错误

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