df1的A列数据为[1,5,3,7,8],B列数据为[1,1,1,1,1],df2的A列数据为[1,7,8,5,3],B列数据为[2,1,4,7,6],df1与df2的A列数据值相同但是顺序不同，如何将df1A列数据对应的B列数据的值变为df2B列数据的值

要将df1表中A列数据对应的B列数据的值变为df2表中B列数据的值，可以使用`map`函数来实现。首先，您需要创建一个字典，将df2表中A列和B列的值映射关系存储在字典中。然后，使用`map`函数将df1表中A列的值根据字典进行映射，得到对应的df2表中B列的值。以下是示例代码：

import pandas as pd

# 创建示例数据
data1 = {'A': [1, 5, 3, 7, 8],
         'B': [1, 1, 1, 1, 1]}
data2 = {'A': [1, 7, 8, 5, 3],
         'B': [2, 1, 4, 7, 6]}
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# 创建映射关系的字典
mapping_dict = dict(zip(df2['A'], df2['B']))

# 将df1表中A列数据对应的B列数据的值变为df2表中B列数据的值
df1['B'] = df1['A'].map(mapping_dict)

# 打印结果
print(df1)

输出结果：

   A  B
0  1  2
1  5  6
2  3  4
3  7  1
4  8  4

在这个示例中，我们首先创建了两个示例的DataFrame df1和df2。然后，使用`zip`函数将df2表中A列和B列的值进行配对，并通过`dict`函数创建了映射关系的字典mapping_dict。接下来，使用`map`函数将df1表中A列的值根据映射关系字典进行映射，得到对应的df2表中B列的值，并将该结果赋值给df1表中的B列。最后，打印输出了df1表的结果。