Python：如果两个数据帧的几列相等，则将一个数据帧的值设置为另一个数据帧的值

假设以下两个数据帧：

df1:
Column1         Column2   Column3  Column4  Column5
2007-10-31      1M        1        1Y       NaN
2007-10-31      1M        2        2Y       NaN
2007-10-31      1M        3        3Y       NaN
2008-03-14      3M        3        3Y       NaN
2008-03-14      3M        4        4Y       0.00873205
2008-03-14      3M        5        5Y       NaN
2008-03-14      3M        6        7Y       0.0111537

我希望在

df1.Column1=df2.Column1

和

df1.Column2=df2.Column3

的条件下，将

df1.Column5

设置为等于

df2.Column4

（当然还有不满足条件的

df1.Column5

的其余值保持不变）。我已经尝试使用

merge

函数，但它没有给出准确的期望结果，即：

Column1         Column2   Column3  Column4  Column5
2007-10-31      1M        1        1Y       0.0188979
2007-10-31      1M        2        2Y       0.0196142
2007-10-31      1M        3        3Y       0.0181974
2008-03-14      3M        3        3Y       NaN
2008-03-14      3M        4        4Y       0.00873205
2008-03-14      3M        5        5Y       NaN
2008-03-14      3M        6        7Y       0.0111537

您可以使用+：

输出

      Column1 Column2  Column3 Column4   Column5
0  2007-10-31      1M        1      1Y  0.018898
1  2007-10-31      1M        2      2Y  0.019614
2  2007-10-31      1M        3      3Y  0.018197
3  2008-03-14      3M        3      3Y       NaN
4  2008-03-14      3M        4      4Y  0.008732
5  2008-03-14      3M        5      5Y       NaN
6  2008-03-14      3M        6      7Y  0.011154

这里的关键是首先使用文档中的combine_：

在其他数据库中的相同位置更新值为空的元素

---

你能粘贴你到目前为止尝试过的代码吗？也许它只需要很少的改动就可以了。我想知道，由于熊猫数据帧的广泛使用，为什么这种操作不能简化呢？

res = df.merge(df1, left_on=['Column1', 'Column2', 'Column4'],
                     right_on=['Column1', 'Column2', 'Column3'],
               how='left', suffixes=('', '_y'))

res['Column5'] = res['Column5'].combine_first(res['Column4_y'])
res = res[df.columns]
print(res)

      Column1 Column2  Column3 Column4   Column5
0  2007-10-31      1M        1      1Y  0.018898
1  2007-10-31      1M        2      2Y  0.019614
2  2007-10-31      1M        3      3Y  0.018197
3  2008-03-14      3M        3      3Y       NaN
4  2008-03-14      3M        4      4Y  0.008732
5  2008-03-14      3M        5      5Y       NaN
6  2008-03-14      3M        6      7Y  0.011154