如何合并两个DataFrame并保留所有值且不生成_x/_y后缀列？

方法一：用combine_first精准匹配填充 #

这种方法优先保留第一个DataFrame的非NaN值，仅用第二个DataFrame的值填补空缺，适合两表按主键严格匹配的场景：

import pandas as pd
import numpy as np

# 构建原始数据
df = pd.DataFrame([['person one', 10], ['person two', np.nan]], columns=['Name', 'Example_column'])
df2 = pd.DataFrame([['person one', np.nan], ['person two', 'excused']], columns=['Name', 'Example_column'])

# 设置Name为索引，合并后恢复索引
df_final = df.set_index('Name').combine_first(df2.set_index('Name')).reset_index()
print(df_final)

输出结果：

Name Example_column
0  person one           10.0
1  person two        excused

方法二：用concat+groupby批量处理多列 #

如果有大量同名列需要合并，或者涉及多个DataFrame，这个方法更高效，无需逐个处理列：

# 行拼接两表，按Name分组后取每组第一个非NaN值
df_final = pd.concat([df, df2]).groupby('Name').first().reset_index()
print(df_final)

输出结果和方法一完全一致。

方法说明 #

• combine_first：逻辑更精准，明确以第一个表为基准补全数据，适合两表一对一匹配的场景。
• concat+groupby：通用性更强，支持任意数量的DataFrame合并，自动处理所有同名列的非NaN值合并。

内容的提问来源于stack exchange，提问作者BPhillips