解决Pandas InvalidIndexError并实现DataFrame日期字段条件更新

首先，咱们先拆解你遇到的问题：你的脚本抛出InvalidIndexError，核心原因有三个：

1. 索引不唯一：df1里同一个ProdId对应多个商店（比如P1同时属于Store A和Store B），用df1.set_index('ProdId')创建的索引有重复值，map操作无法确定要映射哪一个值，直接报错。
2. 逻辑错误：你要填充的是DateReceived，但脚本里却映射了StoreName，完全偏离需求。
3. 语法错误：.df2['Type'] == 'P'的写法不符合Pandas语法，不能直接链式调用条件判断。

下面针对「按商店名称和产品名称筛选，为df2中Type为P的产品填充对应DateReceived」的需求，给出两种可行方案：

方案1：多键合并（精准匹配商店+产品） #

如果需要严格按「商店名称+产品ID/名称」匹配（确保每个商店的对应产品都能获取到正确日期），用merge操作关联两个DataFrame是最稳妥的方式：

import pandas as pd

# 构造原始数据（先修正df2的列名拼写：DateRecived → DateReceived）
df1 = pd.DataFrame({
    'StoreName': ['Store A', 'Store A', 'Store B'],
    'ProdId': ['P1', 'P2', 'P1'],
    'ProdName': ['Prod1', 'Prod2', 'Prod1'],
    'DateReceived': ['2018-05-01', '2018-05-02', '2018-05-04']
})

df2 = pd.DataFrame({
    'DateReceived': ['', '', ''],
    'ProdId': ['P1', 'P2', 'P3'],
    'ProdName': ['Prod1', 'Prod2', 'Prod3'],
    'Type': ['P', 'P', 'S']
})

# 1. 筛选df2中Type为P的行，和df1按「ProdId+ProdName」合并
merged_data = pd.merge(
    df2[df2['Type'] == 'P'],
    df1[['StoreName', 'ProdId', 'ProdName', 'DateReceived']],
    on=['ProdId', 'ProdName'],
    how='left'
)

# 2. 将合并得到的日期填充回原df2
df2.loc[df2['Type'] == 'P', 'DateReceived'] = merged_data['DateReceived']

# 查看最终结果
print(df2)

输出结果：

DateReceived ProdId ProdName Type
0   2018-05-01     P1    Prod1    P
1   2018-05-02     P2    Prod2    P
2                   P3    Prod3    S

如果同一个产品对应多个商店的日期，你可以先对df1做分组处理（比如取最新日期）：

# 预处理df1：按产品分组，取最新的采购日期
df1_latest = df1.groupby(['ProdId', 'ProdName'])['DateReceived'].max().reset_index()

# 再用预处理后的df1_latest做合并即可

方案2：去重映射（无需区分商店） #

如果不需要区分商店，只想为Type为P的产品填充任意匹配到的日期（比如第一个出现的），可以先对df1去重，再用字典映射：

# 对df1按ProdId去重，保留第一个匹配的日期
df1_unique = df1.drop_duplicates(subset='ProdId', keep='first')

# 创建产品ID到日期的映射字典
date_mapping = df1_unique.set_index('ProdId')['DateReceived'].to_dict()

# 为df2中Type为P的行填充日期
df2.loc[df2['Type'] == 'P', 'DateReceived'] = df2[df2['Type'] == 'P']['ProdId'].map(date_mapping)

这种方式会给P1填充Store A的日期2018-05-01，P2填充2018-05-02，P3因Type为S且无匹配保持空值。

内容的提问来源于stack exchange，提问作者dark horse