Python Pandas 按ID列跨DataFrame替换列值触发ValueError的解决方法

之前编写的代码触发两类错误：

1. 逻辑层面错误：在apply遍历单个ID值x的lambda函数中，没有拿当前的单个值x去做匹配，反而直接拿整列的DF1['ID']和DF2['ID']两个Series做相等比较。pandas要求Series间做逐元素相等判断时，必须保证两个Series的行索引完全对齐一致，你的两个Series长度、索引规则均不匹配，因此抛出报错：

   ValueError: Can only compare identically-labeled Series objects

2. 拼写错误：DF2中存储Ensmbl值的列名是Ensmbl，代码里误写为Ensembl，即使索引对齐，也会触发“列不存在”的报错。

注意：不推荐使用逐行apply的实现方式，大表场景下逐行遍历的执行效率远低于向量级操作

方案1：字典映射替换（性能最优，适合大表场景） #

无需做表连接，直接构建ID到Ensmbl的映射关系完成替换，执行效率最高：

• 复制原DF1为目标DF3：DF3 = DF1.copy()
• 构建DF2的ID-Ensmbl映射字典：id_ensmbl_map = dict(zip(DF2['ID'], DF2['Ensmbl']))
• 按规则替换ID列：匹配到对应Ensmbl值的就替换，没匹配到的保留原ID值，执行代码：
  DF3['ID'] = DF3['ID'].map(id_ensmbl_map).fillna(DF3['ID'])

方案2：左连接合并实现（适合需要关联DF2其他字段的场景） #

如果后续还需要把DF2的其他列（比如no字段）带入最终结果，用左连接实现最方便：

• 按ID做左连接，保留DF1的全部行，仅关联需要的ID和Ensmbl列：
  DF3 = DF1.merge(DF2[['ID', 'Ensmbl']], on='ID', how='left')
• 替换ID值：优先用匹配到的Ensmbl值填充，空值（即没匹配到ID）的位置用原ID值回填：
  DF3['ID'] = DF3['Ensmbl'].fillna(DF3['ID'])
• 删除合并时临时带出的Ensmbl列：DF3 = DF3.drop(columns=['Ensmbl'])

按给出的示例数据，最终DF3的ID列处理结果为：

• 原ID值102466751、79501：无匹配DF2的ID，保留原值
• 原ID值6147、55207、113655：匹配DF2的对应ID，替换为对应行的Ensmbl字段值
• DF2中剩余的ID值22838、521：因DF1中无对应记录，不参与最终结果计算

内容的提问来源于stack exchange，提问作者user2537224