Pandas：如何合并不同形状DataFrame并填充NaN值？

你的需求是基于No和pl.两个键，用df2中的Expected值填充df1对应位置的NaN，之前的代码没生效是因为fillna要求填充的数据源和原DataFrame形状完全匹配（行列数一致），而merge后的结果和df1结构不同，所以无法正确映射填充。下面给你两种简单可行的方案：

方案一：左连接 + combine_first #

这种方法先通过左连接把df2的匹配值带到df1中，再用combine_first合并列，保留原df1的非NaN值，替换匹配到的NaN：

# 复制原df1避免修改原始数据
df_final = df1.copy()
# 左连接df2，将匹配到的Expected值作为新列
merged = df_final.merge(df2, on=['No', 'pl.'], how='left', suffixes=('', '_from_df2'))
# 合并Expected列：保留原有的非NaN值，用df2的值填充NaN
df_final['Expected'] = merged['Expected'].combine_first(merged['Expected_from_df2'])
# 删掉临时列
df_final = df_final.drop(columns='Expected_from_df2')

方案二：索引映射 + combine_first #

这种方法更简洁，通过设置复合索引直接匹配对应值：

df_final = df1.copy()
# 将df2设置为以No和pl.为索引的Series，直接匹配填充df1的NaN
df_final['Expected'] = df_final['Expected'].combine_first(
    df2.set_index(['No', 'pl.'])['Expected']
)

这两种方法都会得到你想要的最终DataFrame，其中方案二更简洁高效，适合这种按多键匹配填充的场景。

内容的提问来源于stack exchange，提问作者Cave