如何用Pandas将空DataFrame与另一个DataFrame合并或更新？

方法一：直接指定列构造新DataFrame #

这是最简洁高效的方式，直接基于df2的数据，按照df1的列名创建新DataFrame，缺失的列会自动填充NaN：

import numpy as np
import pandas as pd

df1 = pd.DataFrame(columns=['A','B','C','D','E'])
df2 = pd.DataFrame({ 'B': [1,2,3],
                     'D': [4,5,6],
                     'E': [7,8,9]})

# 核心代码
result = pd.DataFrame(df2, columns=df1.columns)
print(result)

输出结果：

A  B    C  D  E
0  NaN  1  NaN  4  7
1  NaN  2  NaN  5  8
2  NaN  3  NaN  6  9

方法二：使用reindex方法 #

如果需要对齐df1的列结构，可使用reindex方法实现列匹配，缺失列自动填充NaN：

result = df2.reindex(columns=df1.columns)

效率说明 #

以上两种方法均为Pandas内置的向量级操作，完全避免逐行循环，在处理百万级及以上数据量时性能优异。其中pd.DataFrame(df2, columns=df1.columns)的性能略胜一筹，因为它直接基于原数据的内存块构造新对象，无需额外的对齐计算。

内容的提问来源于stack exchange，提问作者Johnny Tam