如何根据另一DataFrame列的匹配关系更新PySpark DataFrame列？

没问题，这其实就是个典型的按匹配键映射值的需求，用Pandas可以轻松实现，我给你两种常用的方法，你可以根据自己的场景选择：

首先先把你给出的示例数据用代码还原出来，方便测试：

import pandas as pd

# 构造df1
df1 = pd.DataFrame({
    'Col1': ['A', 'B', 'C'],
    'Col2': [1, 2, 3]
})

# 构造df2
df2 = pd.DataFrame({
    'Col1': ['A', 'B', 'B'],
    'Col2': ['-', '-', '-']
})

方法1：用字典映射（最简洁高效） #

先从df1生成一个Col1到Col2的映射字典，再用map()函数直接替换df2的Col2列：

# 创建Col1到Col2的映射字典
col_mapping = df1.set_index('Col1')['Col2'].to_dict()

# 更新df2的Col2
df2['Col2'] = df2['Col1'].map(col_mapping)

执行后df2的结果就是：

这种方法速度快，代码简洁，适合只需要替换单列的场景。如果df2里存在df1没有的Col1值，映射后会变成NaN，你可以用fillna()保留原有的'-'：

df2['Col2'] = df2['Col1'].map(col_mapping).fillna('-')

方法2：用merge合并（适合多列同步更新） #

如果后续需要同步更多列的数据，用merge()左连接会更灵活：

# 左连接df2和df1，只保留需要的列
df2 = df2.merge(df1[['Col1', 'Col2']], on='Col1', how='left', suffixes=('', '_from_df1'))

# 替换原Col2列，然后删除临时列
df2['Col2'] = df2['Col2_from_df1']
df2.drop(columns='Col2_from_df1', inplace=True)

这种方法的好处是可以一次性同步多个关联列，而且能保证df2的所有行都被保留（左连接特性）。

内容的提问来源于stack exchange，提问作者jartymcfly