合并含重复ID的两个DataFrame并保留DataFrame B的status字段值

这是个典型的优先取新数据源字段值的合并场景，用Pandas可以轻松实现，我给你一步步拆解：

步骤1：准备示例数据 #

先把你给出的示例DataFrame用代码还原出来：

import pandas as pd
import numpy as np

# 创建DataFrame A
df_a = pd.DataFrame({
    'ID': [1, 2, 3],
    'status': ['open', 'closed', 'pending'],
    'date': ['01.01.2020', '01.01.2020', '01.01.2020'],
    'someColumnA': ['A', 'B', 'C']
})

# 创建DataFrame B
df_b = pd.DataFrame({
    'ID': [1, 2, 4],
    'status': ['closed', 'closed', 'pending'],
    'date': ['01.01.2020', '01.01.2020', '01.01.2020'],
    'someColumnB': ['rr', 'tt', 'zz']
})

步骤2：全外连接并区分重复列 #

先做全外连接，用suffixes参数给来自A和B的重复列加上后缀，方便后续区分：

merged = pd.merge(df_a, df_b, on='ID', how='outer', suffixes=('_A', '_B'))

这一步之后，你会看到类似这样的中间结果：

步骤3：处理冲突字段（优先取B的值） #

对于status这种需要优先保留B的字段，用np.where判断：如果B的status不为空就用B的，否则用A的：

merged['status'] = np.where(merged['status_B'].notna(), merged['status_B'], merged['status_A'])

对于共享的date字段，如果你希望同样优先B（或者取任意存在的值），可以用combine_first：

merged['date'] = merged['date_B'].combine_first(merged['date_A'])

步骤4：补全独有列的缺失值 #

把someColumnA和someColumnB的缺失值替换成你需要的'-'：

merged['someColumnA'] = merged['someColumnA'].fillna('-')
merged['someColumnB'] = merged['someColumnB'].fillna('-')

步骤5：清理并调整列顺序 #

删除中间生成的带后缀的列，然后调整列顺序到你期望的样子：

final_df = merged[['ID', 'status', 'date', 'someColumnA', 'someColumnB']]

最终结果 #

运行完上面的代码，你会得到和你期望完全一致的DataFrame：

额外说明 #

如果以后还有其他类似的冲突字段（比如除了status还有其他需要优先取B的列），只需要重复步骤3的逻辑即可，非常灵活。

内容的提问来源于stack exchange，提问作者Cruden10