如何用另一DataFrame的多行替换pandas DataFrame中的对应行？

问题描述 #

定义的两个Pandas DataFrame如下：

import pandas as pd

left = pd.DataFrame({"A": [1, 2], "B": ["a", "b"]})
left["C"] = pd.Series(dtype="int64")

right = pd.DataFrame({"A": [1, 1], "B": ["a", "a"], "C": [10, 20]})

背景说明：right由left经loc过滤并添加列得到，匹配列的值一致，right可能有额外列。需要将多个right依次合并到left，期望输出为：

A   B   C
0  1   a  10
1  1   a  20
2  2   b  NaN

尝试的三种方法均存在问题：

• loc赋值：left.loc[left["A"] == right["A"]] = right，得到正确列但丢失一行；
• merge：left.merge(right, on="A", how="left")，得到所有行但列名被重命名，后续合并会更麻烦；
• join：left.join(right, on="A", how="left", rsuffix="R")，既丢失行又重命名列。

解决方案 #

要实现需求，核心是保留right的所有匹配行，同时保留left中未匹配的行，推荐两种实用方法：

方法1：拼接匹配行与未匹配行（简单直接） #

# 提取left中未出现在right里的行（按A列判断）
unmatched_rows = left[~left["A"].isin(right["A"])]
# 拼接right的所有行和未匹配行，重置索引
final_df = pd.concat([right, unmatched_rows], ignore_index=True)
# 可选：按A列排序让结果更规整
final_df = final_df.sort_values(by="A", ignore_index=True)

运行后得到的结果完全符合预期：

A  B     C
0  1  a  10.0
1  1  a  20.0
2  2  b   NaN

方法2：Merge+字段覆盖（适合多right依次合并场景） #

如果后续要合并多个类似的right，这种方法不会出现列名混乱的问题：

# 以A、B为匹配键，outer merge保留所有行
merged = left.merge(right, on=["A", "B"], how="outer", suffixes=("", "_tmp"))
# 用right的C值覆盖原C列的空值，删除临时列
merged["C"] = merged["C_tmp"].combine_first(merged["C"])
merged = merged.drop(columns=["C_tmp"]).reset_index(drop=True)

后续合并新的right时，只需将merged作为新的left，重复上述merge和字段覆盖步骤即可，始终保持列名一致。

之前方法的问题原因 #

• loc赋值：left["A"] == right["A"]会做广播匹配，只能匹配到left中第一行A=1的记录，无法容纳right的两行数据，导致丢行；
• 仅按A列merge：会让left的A=1行和right的两行生成笛卡尔积，同时产生C_x、C_y这类重复列；
• join：默认按索引匹配，指定on="A"后同样会出现笛卡尔积和列名重复，且索引不对齐会导致丢行。

内容的提问来源于stack exchange，提问作者Woody1193