我正在尝试修复我的df，因为它有一些错误的值（不是NA / NAN，只是错误），来自另一个数据帧（df1）的值。
我已经知道哪些是错的，我将所有内容排序在df1。
df很大，有41列和100000行。
df1是5列，5000行。
df1的所有数据都应输入df。这是基于两个应匹配的DF中的列完成的。
df["SNPS"]和df1["ID"] - 我知道名称不同，但其数据基本相同。
然后，如果ID与SNPS匹配，我会df1["VALUES"]并将其值放在df["OLD_VALUES"]中。
这是我到目前为止在pythons pandas中尝试过的：
df = pd.read_table("file_old.txt")
df1 = pd.read_table("file_corrected.txt")
df.loc[df["SNPS"].isin(df1["ID"]), ['OLD_VALUES']] = df1[['VALUES']]
这将替换找到的所有值但是......如果新数据框中不存在旧帧的值，则给我NaN。
我尝试将.isin事件加倍，但它没有帮助：
df.loc[df.SNPS.isin(df1.ID), ['OLD_VALUES']] =
df1.loc[df1.ID.isin(df.SNPS),['VALUES']]
这再次给了我NaN。
我的问题是，如何避免不匹配的SNPS/ID列导致此NaN？如果列不匹配，只需跳过并保留旧值。
在输出中我期望DATAFRAME df与所有df [＆＃39; OLD_VALUES＆＃39;]具有df [＆＃34; SNPS＆＃34;]相同，如df1 [＆＃34; ID＆＃34] ;]替换为新数据帧中的df1 [＆＃34; VALUES＆＃34;]。
例如：
df是：
Chr SNPS OLD_VALUES .....
1 rs123 0.5
2 rs124 0.1
3 rs 125 0.2
和df1是：
ID VALUES ...
rs123 0.9
rs125 0.8
我希望df的输出看起来像：
Chr SNPS OLD_VALUES .....
1 rs123 0.9
2 rs124 0.1
3 rs 125 0.8
所以变化基本上是rs123和rs125，它们都在两个数据帧中，而rs124没有变化。
另一个编辑：问题是SNPS有重复值....这会产生[] .values的问题，由于重复，我无法将新系列广播到旧系列。当我在一个较小的数据集上尝试我的代码时，它可以工作......但是当我尝试使用重复数据时它不会。
所以这没有重复的条目：
df.loc[df["SNPS"].isin(df1["ID"]), ['OLD_VALUES']] =
df1.loc[df1.ID.isin(df.SNPS), ['VALUES']].values
但是有了重复，我得到了＆＃34; ValueError：形状不匹配：形状的值数组（3，）无法广播到形状的索引结果（4，）＆＃34;
有什么方法吗？