Pandas：如何更新DataFrame并追加新条目？

你遇到的情况是DataFrame.update()方法的预期行为——它只会更新调用者（df1）中已存在的索引和列对应的数值，不会自动添加新的行或列。要实现「更新已有值+追加新索引行」的需求，针对pandas 1.1.5版本，有两种简单可靠的方案：

方案1：先更新，再追加新行 #

这个方法逻辑清晰，分两步完成需求：

1. 先用update()完成已有索引的数值更新
2. 提取df2中df1没有的索引行，追加到df1中

代码示例 #

import pandas as pd

# 构造你的原始数据
df1 = pd.DataFrame(
    {'Revenue': [100, 500, 200],
     'Profit': [300, 900, 100],
     'Sales': [1, 3, 4]},
    index=[0, 1, 2]
)

df2 = pd.DataFrame(
    {'Sales': [10, 12]},
    index=[0, 6]
)

# 第一步：更新已有索引的对应值
df1.update(df2)

# 第二步：提取df2中df1没有的索引，追加到df1
new_rows = df2.loc[df2.index.difference(df1.index)]
df1 = pd.concat([df1, new_rows]).sort_index()

print(df1)

输出结果 #

Revenue  Profit  Sales
0    100.0   300.0   10.0
1    500.0   900.0    3.0
2    200.0   100.0    4.0
6      NaN     NaN   12.0

方案2：用concat+groupby一步到位 #

如果想更简洁，可以通过pd.concat()合并两个DataFrame，再按索引分组取最后一行（因为df2的行在concat后排在df1后面，会覆盖之前的数值）：

代码示例 #

import pandas as pd

# 构造原始数据（同上）
df1 = pd.DataFrame(
    {'Revenue': [100, 500, 200],
     'Profit': [300, 900, 100],
     'Sales': [1, 3, 4]},
    index=[0, 1, 2]
)

df2 = pd.DataFrame(
    {'Sales': [10, 12]},
    index=[0, 6]
)

# 合并后按索引分组，取最后一行（即优先保留df2的更新值）
df_combined = pd.concat([df1, df2]).groupby(level=0).last()

print(df_combined)

输出结果和方案1完全一致，同样满足你的需求。 #

注意事项 #

• 两种方法都能保留df1原有的列顺序，新行中不存在的列会自动填充NaN
• 方案2更简洁，但如果你的DataFrame有大量重复索引（非本例情况），需要确认分组逻辑符合预期

内容的提问来源于stack exchange，提问作者Peter