基于第二个DataFrame替换Pandas列值（已尝试StackOverflow方案无效）

嘿，我明白你遇到的麻烦了——尝试了两种方法都没成功，确实挺让人头疼的。先帮你梳理下之前两种方法的问题，再给你靠谱的解决方案：

先明确你的数据情况 #

先把你的示例数据用代码还原下，方便大家理解：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({
    'User_ID': [123, 345, 567],
    'Code_1': ['htrh', np.nan, 'cewr']
})

df2 = pd.DataFrame({
    'User_ID': [123, 345],
    'Code_2': ['ert', 'nad']
})

为什么你之前的方法无效？ #

• 第一种方法：df1['Code_1'] = df1['User_ID'].replace(df2.set_index('User_ID')['Code_2'])
  这里你是对User_ID列执行replace操作，把User_ID的值替换成Code_2，然后赋值给Code_1，逻辑完全错了，自然得不到想要的结果。

• 第二种方法：df1.loc[df1.User_ID.isin(df2.User_ID), ['Code_1']] = df2[['Code_2']]
  这个方法的问题在于索引不匹配：df2的行索引是0、1，而df1中匹配的User_ID对应的行索引可能和df2不一致（比如如果df1的顺序调整，就会直接赋值错误），pandas的赋值是按索引对齐的，所以会导致替换失败。

正确的解决方案 #

这里给你两种简单可靠的方法：

方法1：使用map + fillna #

先把df2转换成User_ID到Code_2的映射关系，然后用df1的User_ID去匹配，最后保留原有的Code_1值（df2中没有的User_ID就不替换）：

# 构建User_ID到Code_2的映射字典
code_map = df2.set_index('User_ID')['Code_2']
# 用map匹配对应值，没有匹配到的用原Code_1填充
df1['Code_1'] = df1['User_ID'].map(code_map).fillna(df1['Code_1'])

执行后df1的结果就是：

方法2：使用merge合并后赋值 #

先把两个DataFrame按User_ID左连接，然后用Code_2替换Code_1，没有匹配到的保留原值：

# 左连接两个DataFrame，保留df1的所有行
merged_df = df1.merge(df2, on='User_ID', how='left')
# 替换Code_1：优先用Code_2的值，没有的话保留原Code_1
df1['Code_1'] = merged_df['Code_2'].combine_first(merged_df['Code_1'])

这个方法更直观，适合需要查看中间合并结果的场景。

这两种方法都能完美解决你的需求，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者jeangelj