如何基于相同索引，用第二个DataFrame更新第一个DataFrame的指定列值

原始数据 #

第一个DataFrame（df1）：

A    B    C
0   a-1  b-1  c-1
1   a-2  b-2  NaN
2   a-3  b-3  NaN
3   a-4  b-4  c-4

第二个DataFrame（df2）：

C
1   c-2
2   c-3

期望结果 #

A    B    C
0   a-1  b-1  c-1
1   a-2  b-2  c-2
2   a-3  b-3  c-3
3   a-4  b-4  c-4

解决方案 #

方法1：使用update()方法

update()会根据索引和列名匹配，用df2的值覆盖df1对应位置的内容，默认直接修改原DataFrame（如需保留原数据可先复制）。

示例代码：

import pandas as pd
import numpy as np

# 构造原始DataFrame
df1 = pd.DataFrame({
    'A': ['a-1', 'a-2', 'a-3', 'a-4'],
    'B': ['b-1', 'b-2', 'b-3', 'b-4'],
    'C': ['c-1', np.nan, np.nan, 'c-4']
})

df2 = pd.DataFrame({'C': ['c-2', 'c-3']}, index=[1, 2])

# 执行更新（如需保留原df1，先复制：df_updated = df1.copy()）
df1.update(df2)
print(df1)

方法2：使用combine_first()方法

该方法会用df2的值填充df1中的缺失值，返回新的DataFrame，不修改原数据。

示例代码：

df_updated = df1.combine_first(df2)
print(df_updated)

方法3：通过loc索引直接赋值

针对指定的索引和列手动赋值，适合明确知道更新范围的场景。

示例代码：

df1.loc[df2.index, 'C'] = df2['C']
print(df1)

内容的提问来源于stack exchange，提问作者M Kravets