Pandas：基于运行时动态值更新DataFrame字段

这个需求其实挺常见的，我之前处理类似场景时，主要分两种情况来实现，看你df2里是单条更新规则还是多条批量更新：

情况1：df2只有单条更新规则（和你的示例一致） #

先从df2里动态提取我们需要的条件值和更新值，再用Pandas的loc方法精准定位并更新：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'Steam': [1, 2, 3, 4],
    'feat': ['some_value']*4
})

df2 = pd.DataFrame({
    'cola': [2],
    'colb': [88]
})

# 从df2动态提取条件和更新值
condition_val = df2['cola'].iloc[0]
update_val = df2['colb'].iloc[0]

# 执行更新
df1.loc[df1['Steam'] == condition_val, 'feat'] = update_val

# 查看结果
print(df1)

执行后就能得到你期望的输出：

Steam         feat
0      1  some_value
1      2          88
2      3  some_value
3      4  some_value

情况2：df2有多条更新规则（批量更新） #

如果之后df2里有多个Steam值对应不同的feat更新内容，用字典映射的方式会更高效，不用写多个判断：

# 构造多条规则的df2示例
df2 = pd.DataFrame({
    'cola': [2, 4],
    'colb': [88, 99]
})

# 将df2转成{Steam值: 更新值}的字典
update_map = df2.set_index('cola')['colb'].to_dict()

# 用map匹配更新，未匹配到的保留原feat值
df1['feat'] = df1['Steam'].map(update_map).fillna(df1['feat'])

print(df1)

输出结果：

Steam         feat
0      1  some_value
1      2          88
2      3  some_value
3      4          99

这种方法避免了循环，处理大数据集时性能会好很多，而且扩展性强，新增更新规则只需要在df2里加行就行。

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