如何在Pandas中合并两个含整数的DataFrame并累加对应值

高效实现方案（推荐） #

直接利用Pandas内置的concat和groupby方法，无需手动遍历，代码简洁且效率更高：

1. 构造示例数据 #

import pandas as pd

# 现有余额DataFrame
existing_balance = pd.DataFrame({
    "Name": ["echo", "fives", "rex"],
    "Coins Won": [250, 250, 500]
})

# 新存入DataFrame
new_deposits = pd.DataFrame({
    "Name": ["echo", "hunter", "kix"],
    "Coins Won": [500, 1000, 250]
})

2. 合并并累加计算 #

# 合并两个DataFrame
combined_data = pd.concat([existing_balance, new_deposits])

# 按Name分组，对Coins Won字段求和
final_result = combined_data.groupby("Name", as_index=False)["Coins Won"].sum()

3. 输出结果 #

最终final_result的内容如下：

兼容原有字典遍历的方案（不推荐，大数据量下效率低） #

如果你想沿用自己的字典遍历逻辑，只需添加未匹配条目的判断与添加步骤：

existing_records = existing_balance.to_dict(orient="records")
new_records = new_deposits.to_dict(orient="records")

for new_entry in new_records:
    is_matched = False
    for existing_entry in existing_records:
        if existing_entry["Name"] == new_entry["Name"]:
            existing_entry["Coins Won"] += new_entry["Coins Won"]
            is_matched = True
            break  # 找到匹配项后立即终止内层循环，减少不必要遍历
    # 若当前新条目未在现有记录中找到匹配，直接追加
    if not is_matched:
        existing_records.append(new_entry)

# 将处理后的字典转回DataFrame
result_df = pd.DataFrame(existing_records)

内容的提问来源于stack exchange，提问作者CodenameCanopy