如何合并两个单列DataFrame以得到指定结果？

原始数据 #

处理数据集后得到两个单列DataFrame：

df1 #

df2 #

期望输出 #

需要合并为以下单列DataFrame：

尝试过程中的问题 #

我尝试用pd.merge，测试了inner/outer/left/right所有合并方式，代码如下：

# tried all, inner, outer, left, and right
merge = pd.merge(bounce, domain, how = 'outer', on = 'description')
merge.head(10)

但结果完全不符合预期，不同合并方式的结果示例：

说实话，我不理解为什么仅含一列时，不同的合并方式会得到不同结果。

原因分析 #

merge/join是基于列值的关联合并，不是按行位置对应合并。当你指定on='description'时，它会把两个DataFrame中该列值相同的行做匹配：比如df1里的False会和df2里的所有False匹配，生成重复行；Invalid在df2中没有匹配值，outer合并会保留该行但也会带出匹配的False行，这就是不同合并方式结果不同的核心原因——它们的匹配逻辑本身就有差异，和列数多少无关。

正确解决方案 #

你的需求是按行索引位置对应合并，优先保留非False的值，以下两种方法都可以实现：

方法1：按索引遍历取值 #

直接遍历每一行，当df1的值不是False时取df1，否则取df2的值：

import pandas as pd

# 模拟你的数据
df1 = pd.DataFrame({'列1': [False, 'Invalid', False, False]})
df2 = pd.DataFrame({'列1': [False, False, False, 'Not Found']})

# 生成结果
result = pd.DataFrame({
    '列1': [df1.iloc[i, 0] if df1.iloc[i, 0] != False else df2.iloc[i, 0] 
           for i in range(len(df1))]
})

print(result)

方法2：用concat结合空值填充 #

先按列拼接两个DataFrame，把False替换为空值，再按行取第一个非空值：

import pandas as pd

# 模拟数据
df1 = pd.DataFrame({'列1': [False, 'Invalid', False, False]})
df2 = pd.DataFrame({'列1': [False, False, False, 'Not Found']})

# 拼接后处理
combined = pd.concat([df1, df2], axis=1)
result = combined.replace(False, pd.NA).bfill(axis=1).iloc[:, 0].to_frame('列1')

print(result)

两种方法都能输出你想要的结果。

内容的提问来源于stack exchange，提问作者daza