如何创建包含原DataFrame及另一DataFrame非重复索引行的新DataFrame？

原始数据 #

import pandas as pd

base_df = pd.DataFrame({'animal':['dog', 'cat'], 'noise':['bark', 'meow']}, index=[1,2])
new_info_df = pd.DataFrame({'animal':['wolf', 'sheep'], 'noise':['woof', 'baa']}, index=[1,3])

需求说明 #

需要生成新的DataFrame，包含base_df的所有数据，同时加入new_info_df中索引未在base_df出现的行，最终目标结果如下：

updated_df = pd.DataFrame({'animal':['dog', 'cat', 'sheep'], 'noise':['bark', 'meow', 'baa']}, index=[1,2,3])

问题分析 #

使用pd.concat([base_df, new_info_df], join='outer', axis=1)时，会因按列拼接导致animal和noise列重复（自动命名为animal_0、animal_1等），无法满足需求。

解决方案 #

方法1：使用combine_first（推荐）

combine_first会优先保留base_df的所有数据，自动用new_info_df填充base_df中缺失的索引行，完全匹配需求：

updated_df = base_df.combine_first(new_info_df)
# 可选：按索引排序，保证结果顺序和目标一致
updated_df = updated_df.sort_index()

方法2：筛选新增行后拼接

先从new_info_df中筛选出索引不在base_df里的行，再和base_df按行拼接：

# 筛选new_info_df中未在base_df出现的索引对应的行
new_rows = new_info_df[~new_info_df.index.isin(base_df.index)]
# 按行合并并排序索引
updated_df = pd.concat([base_df, new_rows]).sort_index()

内容的提问来源于stack exchange，提问作者SPAMINACAN