基于df1与df2构建新DataFrame：优先保留df1的frn，缺失时取df2值

原始数据 #

现有两个Pandas DataFrame：

import pandas as pd

df1 = pd.DataFrame({'call_sign': ['ASD','BSD','CDSF','GFDFD','FHHH'],'frn':['123','124','','656','']})

df2 = pd.DataFrame({'call_sign': ['ASD','CDSF','BSD','GFDFD','FHHH'],'frn':['1234','','124','','765']})

需求说明 #

要生成新的DataFrame，满足：

• call_sign的排列顺序和df1完全一致
• frn字段优先使用df1对应行的值；若df1中该位置frn为空字符串，则取df2中相同call_sign对应的frn值

目标结果 #

最终得到的DataFrame如下：

df_result = pd.DataFrame({'call_sign': ['ASD','BSD','CDSF','GFDFD','FHHH'],'frn':['123','','124','656','765']})

解决方案 #

方法一：映射填充缺失值 #

先把df2转换成call_sign到frn的映射表，再对df1的空值进行填充：

# 构建df2的call_sign与frn的映射关系
frn_map = df2.set_index('call_sign')['frn']

# 复制df1作为结果基础，处理frn字段
df_result = df1.copy()
# 把空字符串转为缺失值，填充后若仍有缺失则转回空字符串
df_result['frn'] = df_result['frn'].replace('', pd.NA).fillna(df_result['call_sign'].map(frn_map)).fillna('')

方法二：条件判断赋值 #

用numpy.where直接通过条件逻辑赋值，思路更直观：

import numpy as np

df_result = df1.copy()
# 当df1的frn不为空时用自身值，否则取df2对应call_sign的frn值
df_result['frn'] = np.where(df_result['frn'] != '', 
                            df_result['frn'], 
                            df_result['call_sign'].map(df2.set_index('call_sign')['frn']))

两种方法都能精准实现需求，且完整保留df1的call_sign顺序。

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