如何根据Type条件用df2的值替换df1的col1-col3列？

你完全猜对了！这个ValueError的根源就是df1和df2的列数不匹配——你的代码试图把df2的所有列（包含No.和Type）直接赋值给df1中Type='MN'的行，但df1还有额外的列（比如示例里的...列），自然会因为长度不匹配报错。

下面给你两种实用的解决方案，都能精准只替换col1-col3这三列：

方法一：直接定位指定列赋值（适合行顺序一致的场景） #

如果df2的行顺序和df1中Type='MN'的行顺序完全对应（就像你给出的示例数据那样），可以直接定位到目标行和目标列进行赋值：

# 先筛选出Type为MN的行的掩码
mn_rows = df1['Type'] == 'MN'
# 只替换col1、col2、col3这三列
df1.loc[mn_rows, ['col1', 'col2', 'col3']] = df2[['col1', 'col2', 'col3']].values

这里df2[['col1', 'col2', 'col3']].values提取出了需要替换的数值，和df1中指定列的维度完全匹配，就不会报错了。

方法二：通过No.匹配替换（更稳妥，不依赖行顺序） #

如果担心df2和df1中MN类型的行顺序可能不一致，推荐用merge先通过No.精准匹配，再替换，这种方法容错性更高：

# 将df2中需要的列和df1合并，生成临时的新列
df1 = df1.merge(
    df2[['No.', 'col1', 'col2', 'col3']],
    on='No.',
    how='left',
    suffixes=('', '_from_df2')
)

# 当Type为MN时，用df2来的新值替换原列
mn_mask = df1['Type'] == 'MN'
df1.loc[mn_mask, 'col1'] = df1.loc[mn_mask, 'col1_from_df2']
df1.loc[mn_mask, 'col2'] = df1.loc[mn_mask, 'col2_from_df2']
df1.loc[mn_mask, 'col3'] = df1.loc[mn_mask, 'col3_from_df2']

# 清理临时生成的列
df1.drop(['col1_from_df2', 'col2_from_df2', 'col3_from_df2'], axis=1, inplace=True)

这种方法不管df2的行顺序如何，都会通过No.找到对应的行进行替换，适合数据行顺序不确定的场景。

两种方法都能实现你想要的效果：仅Type='MN'的行的col1-col3被df2的对应值替换，其他行和列保持原样。

内容的提问来源于stack exchange，提问作者MaMo