You need to enable JavaScript to run this app. Pandas中如何基于相同time列用df2替换df1非时间列值
优惠活动
大模型
产品
解决方案
定价
更多

Pandas中如何基于相同time列用df2替换df1非时间列值

Pandas 按time列匹配批量替换同名字段实现

场景说明

现有两个列数、列名完全一致的DataFrame:df1与df2,二者都包含time列以及x、y等其他数据列。需求为:以两个DataFrame的time列取值相等为匹配规则,用df2对应列的数值替换df1中除time列之外的所有列原有值;df1存在多个time取值相同的重复行,这类行需要统一匹配df2中相同time值的对应数值完成替换,不需要逐行索引严格对齐。

输入示例

df1结构:

index time   x y   ......many other columns ( the same as df2)
0       1    1 1
1       1.1  2 2
2       1.1  3 3
3       1.1  4 4
4       1.4  5 5
5       1.5  6 6
6       1.5  7 7

df2结构:

index time  x   y   ....many other columns (the same as df1)
0       1   10  10
1       1.1 11  11
2       1.2 12  12
3       1.3 13  13
4       1.4 14  14
5       1.5 15  15
6       1.6 16  16

预期输出结果

index time  x   y   ....many other columns 
0       1    10 10
1       1.1  11 11
2       1.1  11 11
3       1.1  11 11
4       1.4  14 14
5       1.5  15 15
6       1.5  15 15

实现方案

核心逻辑是将df2转换为以time为索引的可查询映射表,再对df1的目标列批量映射赋值,不需要复杂的合并、去重操作,对多列宽表场景兼容性极强。
具体步骤拆解:

  • 自动提取所有需要替换的列:排除time列,适配列数很多的宽表场景,不需要手动逐个列写字段名
  • 生成映射表:将df2设置time列为索引,形成time值与对应字段值的一一映射
  • 批量赋值:逐列通过time值匹配映射表中的值,替换df1的原字段值,自动适配df1中重复time值的匹配需求

可直接运行的代码

import pandas as pd

# 构造题目对应的示例数据
df1 = pd.DataFrame({
    'time': [1, 1.1, 1.1, 1.1, 1.4, 1.5, 1.5],
    'x': [1, 2, 3, 4, 5, 6, 7],
    'y': [1, 2, 3, 4, 5, 6, 7]
})

df2 = pd.DataFrame({
    'time': [1, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6],
    'x': [10, 11, 12, 13, 14, 15, 16],
    'y': [10, 11, 12, 13, 14, 15, 16]
})

# 批量替换逻辑
# 提取所有需要替换的列(排除time列,适配多列场景)
replace_cols = df1.columns.difference(['time'])
# 生成df2的time值映射表(df2的time为唯一值,直接设索引即可)
df2_time_map = df2.set_index('time')

# 逐列完成值替换
for col in replace_cols:
    df1[col] = df1['time'].map(df2_time_map[col])

注意事项:如果日常使用中df2本身存在重复的time值,需要先对df2做去重处理再生成映射表,避免重复索引引发报错,可通过df2 = df2.drop_duplicates(subset=['time'], keep='last')实现。


内容的提问来源于stack exchange,提问作者Tenshi

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.08 00:24:04