Python Pandas数据帧中SQL查询的等价性

我有两个表1.Table_A 2.Table_B我想使用Table_B更新Table_A特定列该列的新值，可能会出现Table_A中的行数与Table_B不匹配的情况。 我知道如何使用SQL编写更新表A的查询，但不确定如何在pandas中执行，我需要一个与pandas中的更新查询等效的查询

更新查询：

update table_A
    set dt_of_join = sq.dt_of_join
    from (select id_emp, max(joining) as dt_of_join
            from table_B 
            group by id_emp ) as sq
    where table_A.id_emp = sq.id_emp

我需要在熊猫数据框架中的上述查询等效，任何帮助真的感谢

例如：

Table_A
id_emp    |   dt_of_join     
  2       |   30-03-2018
  4       |   03-04-2018
  5       |   04-05-2018
  7       |   10-06-2018
  12      |   20-07-2018
  10      |   09-08-2018
  19      |   25-12-2018

表B是上述查询中的子查询

Table_B
 id_emp   |   dt_of_join
   4      |    01-01-2019
   12     |    03-02-2019
   10     |    09-05-2019
   5      |    21-06-2019

更新查询成功后，表_A应如下所示

Table_A
id_emp    |   dt_of_join     
  2       |   30-03-2018
  4       |   01-01-2019
  5       |   21-06-2019
  7       |   10-06-2018
  12      |   03-02-2019
  10      |   09-05-2019
  19      |   25-12-2018

---

为什么不重新编制索引：

>>> df['dt_of_join'] = df2.set_index('id_emp').reindex(df['id_emp']).reset_index()['dt_of_join'].fillna(df['dt_of_join'])
>>> df
   id_emp  dt_of_join
0       2  30-03-2018
1       4  01-01-2019
2       5  21-06-2019
3       7  10-06-2018
4      12  03-02-2019
5      10  09-05-2019
6      19  25-12-2018
>>> 

您可以与

fillna（）

一起使用，这是单列更新的一种更快的替代方法（假设

id\u emp

是一列，如果不是

d

应该是

df2['dt\u of_join']

）：

---

在将emp_id设置为这两个中的索引后考虑

final_df = (tbl1_df.set_index('id_emp')
                   .update(tbl2_df.set_index('id_emp'))
           )

---

是的，我的意思是一样的，但是NaN不应该是NaN，它应该是你提到的上面的数据框中的任何一个c@RAHULVISHWAKARMA我编辑了我的答案，请接受我真的很感谢你的努力，但它仍然没有正确地回答我的问题。请你看看我刚刚编辑的问题，这样你就会知道我在做什么。

   id_emp      dt_of_join
0       2      30-03-2018
1       4      01-01-2019
2       5      21-06-2019
3       7      10-06-2018
4      12      03-02-2019
5      10      09-05-2019
6      19      25-12-2018

final_df = (tbl1_df.set_index('id_emp')
                   .update(tbl2_df.set_index('id_emp'))
           )