如何高效合并同形状Polars DataFrames：优先保留小样本非空值

针对你提出的需求（优先保留小样本DataFrame的非空值，用大样本DataFrame填充缺失），Pandas提供了两种无需逐单元格处理的矢量化高效实现方式，完全匹配你的两种思路：

思路1：以小样本为基础，填充缺失值 #

直接使用fillna()方法，传入大样本DataFrame作为填充源。该方法会自动按行列标签匹配，仅填充小样本中的缺失值，非空值保持不变：

result_df = small_df.fillna(large_df)

fillna()是Pandas底层优化的矢量化操作，性能远高于逐单元格遍历，100×100的数据集处理速度可以忽略不计。

思路2：以大样本为基础，覆盖小样本非空值 #

使用where()方法实现：当小样本对应位置为缺失时，保留大样本的值；否则用小样本的值覆盖大样本对应位置，最终效果和思路1完全一致：

result_df = large_df.where(small_df.isna(), small_df)

另外，也可以用combine_first()方法达到同样效果，它的逻辑是"取左侧非空值，缺失时用右侧值"，所以用小样本作为左侧、大样本作为右侧即可：

result_df = small_df.combine_first(large_df)

以上所有方法都无需手动遍历单元格，完全依赖Pandas的内置优化，处理效率极高，且代码简洁易读。

内容的提问来源于stack exchange，提问作者sexyspecs