Pandas更新DataFrame时保留指定列原有值的实现方法

我有两个DataFrame，希望用新DataFrame更新旧DataFrame，但需保留部分指定列（此处为value列）的原有值。示例数据如下：

示例代码 #

import numpy as np
import pandas as pd

data_old = {'name': ['name1', 'name2', 'name3'],
            'datetime': ['2022-10-25 14:00', '2022-10-10 00:00', np.nan],
            'value': [1, 2, np.nan]}

data_new = {'name': ['name1', 'name2', 'name2', 'name3'],
            'datetime': ['2022-10-25 14:00', '2022-10-10 00:00', '2022-10-10 01:00', '2022-10-10 22:00'],
            'value': [1, 3, 10, 8]}

df_old = pd.DataFrame(data=data_old)
df_new = pd.DataFrame(data=data_new)

旧DataFrame（df_old） #

name           datetime  value
0  name1  2022-10-25 14:00    1.0
1  name2  2022-10-10 00:00    2.0
2  name3                NaN    NaN

新DataFrame（df_new） #

name           datetime  value
0  name1  2022-10-25 14:00      1
1  name2  2022-10-10 00:00      3
2  name2  2022-10-10 01:00     10
3  name3  2022-10-10 22:00      8

直接使用df_old.merge(df_new, how='right')会覆盖value列的值，请问如何在更新其他列的同时，保留已存在的value列旧值，得到如下目标结果？

目标结果 #

name           datetime  value
0  name1  2022-10-25 14:00      1
1  name2  2022-10-10 00:00      2
2  name2  2022-10-10 01:00     10
3  name3  2022-10-10 22:00      8

核心思路是先通过**匹配键（name+datetime）**合并新旧DataFrame，再优先保留旧DataFrame的value值，仅在旧值不存在时使用新值。具体步骤如下：

1. 合并DataFrame：以name和datetime为连接键，使用right连接保留新DataFrame的所有行，同时关联旧DataFrame的对应数据：

merged = df_new.merge(df_old, on=['name', 'datetime'], how='right', suffixes=('_new', '_old'))

2. 保留旧值并填充新值：用旧DataFrame的value_old覆盖新DataFrame的value_new（仅当旧值存在时），最后整理列格式：

merged['value'] = merged['value_old'].combine_first(merged['value_new'])
result = merged[['name', 'datetime', 'value']].astype({'value': int})

3. 查看结果：

print(result)

输出结果与目标完全一致：

name           datetime  value
0  name1  2022-10-25 14:00      1
1  name2  2022-10-10 00:00      2
2  name2  2022-10-10 01:00     10
3  name3  2022-10-10 22:00      8

补充说明 #

• combine_first()方法会优先取左侧（旧值）的非空数据，仅当左侧为空时才使用右侧（新值），精准匹配需求。
• 如果需要保留多个指定列的旧值，只需对每个列重复上述逻辑即可。

内容的提问来源于stack exchange，提问作者zxdawn