如何合并/追加Pandas DataFrame并更新重叠索引行

你想要的其实是合并两个DataFrame，同时让第二个DataFrame（dfB）覆盖第一个（dfA）中索引重复的行的值，并且保留两个DataFrame里所有不重复的行，这个需求用Pandas可以轻松实现，我给你两种实用的方法：

先准备示例数据 #

首先我们先把你给出的示例DataFrame创建出来：

import pandas as pd

dfA = pd.DataFrame({'Var1': [5, 6, 7]}, index=['A', 'B', 'C'])
dfB = pd.DataFrame({'Var1': [6, 8, 10]}, index=['A', 'D', 'E'])

方法一：简洁版——concat + groupby取最后值 #

这个方法一步到位，逻辑很清晰：

1. 先用pd.concat()把两个DataFrame上下拼接，此时重复索引（比如A）会出现两次
2. 按索引分组，取每组的最后一行数据（因为dfB在拼接顺序的后面，所以重复索引的最后一行就是dfB的值）

代码如下：

output = pd.concat([dfA, dfB]).groupby(level=0).last()

执行后得到的output就是你想要的结果：

Var1
Index      
A         6
B         6
C         7
D         8
E        10

方法二：分步版——先更新再追加 #

如果你想更清晰地控制“更新重复值”和“追加新行”这两个步骤，可以用这种方法：

1. 先复制dfA，避免修改原数据
2. 用update()方法，让dfB的重复索引值覆盖dfA对应的值
3. 把dfB里那些dfA没有的索引行追加进去

代码如下：

# 复制dfA作为基础
output = dfA.copy()
# 用dfB更新重复索引的值
output.update(dfB)
# 追加dfB中独有的行
output = pd.concat([output, dfB[~dfB.index.isin(output.index)]])

这个方法最终得到的结果和方法一完全一致，适合需要拆分步骤做额外处理的场景。

内容的提问来源于stack exchange，提问作者Jean_N