如何实现DataFrame的合并更新（类似dict.update()逻辑）

现有两个列结构相同但行数据不同的DataFrame：

df1 = pd.DataFrame({'key': ['a', 'A'], 'value': [1, 1]})
df2 = pd.DataFrame({'key': ['A', 'B'], 'value': [5, 6]})

df1数据：

key   value
a     1
A     1

df2数据：

key   value
A     5
B     6

期望得到结果df3：

key   value
a     1
A     5
B     6

需求逻辑类似Python的dict.update()：若键已存在则更新对应值，若不存在则新增键值对。实际场景中有2个键列和10+个值列，不希望处理合并后自动生成的_x/_y后缀，求实现方法。

方法一：合并后去重（直观易扩展） #

通过concat合并两个DataFrame，再根据键列去重，保留最后出现的行（即df2的更新值）：

import pandas as pd

# 示例数据
df1 = pd.DataFrame({'key': ['a', 'A'], 'value': [1, 1]})
df2 = pd.DataFrame({'key': ['A', 'B'], 'value': [5, 6]})

# 多键列场景下，subset传入所有键列名即可，比如['key1', 'key2']
df3 = pd.concat([df1, df2]).drop_duplicates(subset=['key'], keep='last').reset_index(drop=True)

方法二：索引匹配更新 #

将键列设为索引，利用combine_first实现“后覆盖前、缺值补充”的逻辑：

import pandas as pd

df1 = pd.DataFrame({'key': ['a', 'A'], 'value': [1, 1]})
df2 = pd.DataFrame({'key': ['A', 'B'], 'value': [5, 6]})

# 多键列场景下，set_index传入所有键列名，比如set_index(['key1', 'key2'])
df1_idx = df1.set_index('key')
df2_idx = df2.set_index('key')

# df2的数据优先，df1中独有的键保留原数据
df3 = df2_idx.combine_first(df1_idx).reset_index()

两种方法都无需处理_x/_y后缀，完美适配多键列、多值列的场景，完全符合dict.update()的逻辑。

内容的提问来源于stack exchange，提问作者fish012933