如何合并两个DataFrame：保留历史数据并按列更新新值？

需求明确：保留历史DataFrame（DF_1）的所有行，同时用更新DataFrame（DF_2）中对应Hour的Value_1、Value_2值覆盖DF_1的原有数据。

正确实现代码 #

import pandas as pd

# 构造示例DF_1
df1 = pd.DataFrame({
    'Hour': ['13:00', '14:00', '15:00', '16:00', '17:00', '18:00'],
    'Value_1': [20, 20, 120, 125, 130, 20],
    'Value_2': [30, 30, 140, 145, 135, 20]
})

# 构造示例DF_2
df2 = pd.DataFrame({
    'Hour': ['15:00', '16:00', '17:00'],
    'Value_1': [200, 225, 260],
    'Value_2': [240, 255, 275]
})

# 1. 将两个DataFrame的Hour列设为索引，确保按Hour值匹配而非行位置
df1_indexed = df1.set_index('Hour')
df2_indexed = df2.set_index('Hour')

# 2. 复制DF_1的索引版本作为基础，避免修改原数据
df_final = df1_indexed.copy()

# 3. 用DF_2的数据覆盖DF_final中对应索引的行
df_final.update(df2_indexed)

# 4. 恢复Hour为普通列（按需选择，若不需要索引可省略此步）
df_final = df_final.reset_index()

print(df_final)

为什么之前的方法没生效？ #

• merge/join：默认会按列匹配生成新列（如Value_1_x、Value_1_y），需要额外处理才能覆盖，步骤繁琐且易出错；
• concat：只是简单拼接行/列，无法实现指定值的覆盖；
• combine_first：逻辑是用左侧DataFrame的非空值填充右侧，和我们需要的“用右侧更新左侧”方向相反；
• 直接用update但未设索引：update默认按行位置匹配，而非Hour值，会导致更新错位。

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