【Pandas】pandas DataFrame update
Pandas2.2 DataFrame
Combining comparing joining merging
| 方法 | 描述 |
|---|---|
| DataFrame.assign(**kwargs) | 用于向 DataFrame 添加新列或替换现有列的方法 |
| DataFrame.compare(other[, align_axis, …]) | 用于比较两个 DataFrame 的差异的方法 |
| DataFrame.join(other[, on, how, lsuffix, …]) | 用于**将两个 DataFrame 按列合并（默认按行索引对齐）**的方法 |
| DataFrame.merge(right[, how, on, left_on, …]) | 用于**基于一个或多个键将两个 DataFrame 进行数据库风格的合并（join）**的方法 |
| DataFrame.update(other[, join, overwrite, …]) | 用于就地（in-place）更新 DataFrame 中数据的方法 |
pandas.DataFrame.update()
pandas.DataFrame.update() 是一个用于就地（in-place）更新 DataFrame 中数据的方法。它会根据另一个 DataFrame 或 Series 的值来更新当前 DataFrame 中的对应位置数据。
默认情况下，它不会修改原始 DataFrame 的形状（即不新增列），只更新交集部分的数据。
####📌 方法签名
DataFrame.update(other, join='left', overwrite=True, filter_func=None, errors='ignore')
🔧 参数说明：
| 参数 | 说明 |
|---|---|
other | 要用来更新当前 DataFrame 的另一个 DataFrame 或 Series |
join | 合并方式，默认 'left'（仅更新索引匹配的行） |
overwrite | 是否用 other 中的值覆盖当前 DataFrame 的值，默认 True |
filter_func | 可选函数，用于过滤哪些值可以被更新 |
errors | 当 other 和当前 DataFrame 列不匹配时的行为，可选 'ignore', 'raise' |
✅ 返回值
- 无返回值，该方法直接修改原始 DataFrame（in-place）
🧪 示例代码及结果
示例 1：基本使用（默认参数）
import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
})other = pd.DataFrame({'A': [10, 20, 30],'B': [40, 50, 60]
})# 更新 df
df.update(other)
print(df)
输出：
A B
0 10 40
1 20 50
2 30 60
示例 2：部分更新（只有部分列匹配）
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
})other = pd.DataFrame({'B': [40, 50, 60],'C': [70, 80, 90]
})df.update(other)
print(df)
输出：
A B
0 1 40
1 2 50
2 3 60
注意：列
C不在df中，因此被忽略（因为errors='ignore'）
示例 3：不覆盖某些值（使用 overwrite=False）
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
})other = pd.DataFrame({'A': [10, 20, 30],'B': [40, 50, 60]
})df.update(other, overwrite=False)
print(df)
输出：
A B
0 1 4
1 2 5
2 3 6
因为
overwrite=False，所以没有更新任何值。
示例 4：使用 filter_func 过滤更新条件
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
})other = pd.DataFrame({'A': [10, 20, 30],'B': [40, 50, 60]
})# 只更新大于 20 的值
df.update(other, filter_func=lambda x: x > 20)
print(df)
输出：
A B
0 1 4
1 20 50
2 30 60
🧠 应用场景
| 场景 | 说明 |
|---|---|
| 数据修复 | 替换错误或过时的数据 |
| 增量更新 | 将新数据合并到现有数据集中 |
| 特征工程 | 在已有特征基础上进行局部修正 |
| 数据同步 | 同步两个数据源之间的差异 |
| 模型预测更新 | 用模型输出替换旧标签或预测值 |
⚠️ 注意事项
update()是 in-place 操作，会直接修改原 DataFrame；- 默认行为是只更新交集列和交集索引；
- 若列名不匹配，默认忽略（除非设置
errors='raise'）； - 不建议用于添加新列，更适合更新已有列；
filter_func需要返回布尔值，用于控制是否更新某值；
✅ 总结对比
| 方法 | 是否 in-place | 支持列新增 | 更适合场景 |
|---|---|---|---|
df.update() | ✅ | ❌ | 数据更新、修复 |
df.merge() | ❌ | ✅ | 复杂连接、SQL 式 JOIN |
df.join() | ❌ | ✅ | 索引对齐拼接 |
assign() | ❌ | ✅ | 添加/替换列，链式调用 |
如果你希望就地更新 DataFrame 中的部分数据而不改变其整体结构，update() 是非常实用的方法。