如何用Python中另一个DataFrame对象中的值更新DataFrame对象的一部分？

我有两个数据帧对象：

obj1：

obj2：

我想更新保持列

header1

和

header2

中的值的

obj1

，并将列

header3

和

header4

设置为

obj2

中的值

例如：

header1    header2    header3      header4
1          A          someValue9   someValue13
2          B          someValue10  someValue14
3          C          someValue11  someValue15
4          D          someValue10  someValue16

我试过的是：

for ID in obj2.header2:
    obj1[obj1.header1==ID].header3 = obj2[obj2.header1==ID].header3
    obj1[obj1.header1==ID].header4 = obj2[obj2.header1==ID].header4

但是，这并没有改变

obj1

中的任何内容，它仍然与前面的代码相同

有没有一个很好的方法来实现我的目标

请注意，这些示例是抽象的，实际的

ID

（AKA

header1

）在

obj1

和

obj2

中可能不匹配。所以有些ID不需要更新。例如，

obj1

的ID为1,2,3,4,5，

obj2

的ID为2,3,4,5。因此，不必更新

obj1

中的ID 1

非常感谢。

您可以使用和：

解决方案包括，以及：

---

你好，谢谢你的回答。但是，在我的例子中，一些ID不需要更新。有什么好办法吗？非常感谢。我想我不明白。你是说有些值是相同的，所以不需要更新吗？有点像这样，例如，我在

obj1

中有ID:1、2、3、4、5，而在

obj2

中，ID是2、3、4、5。在这种情况下，只有

obj1

中的2、3、4、5在

obj2

中有相应的记录可供使用。因此，只有ID 2、3、4、5在

obj1

中得到更新。能否将其添加到问题和所需输出中<代码>ID是否为

索引

？这个信息在问题中丢失了。嗨，耶兹雷尔。谢谢我已经更新了我的问题。实际上，

ID

不是索引，而是

header1

。

header1    header2    header3      header4
1          A          someValue9   someValue13
2          B          someValue10  someValue14
3          C          someValue11  someValue15
4          D          someValue10  someValue16

for ID in obj2.header2:
    obj1[obj1.header1==ID].header3 = obj2[obj2.header1==ID].header3
    obj1[obj1.header1==ID].header4 = obj2[obj2.header1==ID].header4

print obj1
   ID header2      header3      header4
0   1       A   someValue1   someValue5
1   2       B   someValue2   someValue6
2   3       C   someValue3   someValue7
3   4       D   someValue4   someValue8
4   5      D1  someValue41  someValue81

print obj2
   ID header2      header3      header4
0   2       E   someValue9  someValue13
1   3       F  someValue10  someValue14
2   4       G  someValue11  someValue15
3   5       H  someValue10  someValue16



df = pd.merge(obj1, obj2, on=['ID'], suffixes=['_l', ''], how='left').combine_first(obj1)
print df
   ID header2 header2_l      header3    header3_l      header4    header4_l
0   1       A         A   someValue1   someValue1   someValue5   someValue5
1   2       E         B   someValue9   someValue2  someValue13   someValue6
2   3       F         C  someValue10   someValue3  someValue14   someValue7
3   4       G         D  someValue11   someValue4  someValue15   someValue8
4   5       H        D1  someValue10  someValue41  someValue16  someValue81

df = df[['ID','header2','header3','header4']]
print df
   ID header2      header3      header4
0   1       A   someValue1   someValue5
1   2       E   someValue9  someValue13
2   3       F  someValue10  someValue14
3   4       G  someValue11  someValue15
4   5       H  someValue10  someValue16

mask = obj1.ID.isin(obj2.ID.tolist())
print mask
0    False
1     True
2     True
3     True
4     True
Name: ID, dtype: bool

obj1.loc[mask, obj1.columns] = obj2.values
print obj1
   ID header2      header3      header4
0   1       A   someValue1   someValue5
1   2       E   someValue9  someValue13
2   3       F  someValue10  someValue14
3   4       G  someValue11  someValue15
4   5       H  someValue10  someValue16