如何按列表长度条件合并同列同索引的DataFrame并更新列？

假设两个DataFrame分别命名为df1和df2，列名均为a且索引完全一致。以下是两种高效的实现方式，优先推荐第一种掩码式写法（数据量大时性能更优）：

方法一：基于布尔掩码的向量化替换 #

这种方式利用Pandas的向量化操作，避免逐行循环，在大数据量场景下性能更出色：

import pandas as pd

# 构造示例数据（可替换为你的实际数据）
df1 = pd.DataFrame({'a': [[], [1,2,3], [7]]}, index=[1,2,3])
df2 = pd.DataFrame({'a': [[5,2,7], [1,2,3,4], [7,5]]}, index=[1,2,3])

# 生成布尔掩码：标记df1中列表长度≤1的行
mask = df1['a'].apply(lambda x: len(x) <= 1)
# 替换逻辑：掩码为True时用df2对应值，否则保留df1原值
result_df = df1['a'].mask(mask, df2['a']).to_frame()

方法二：逐行判断替换（直观易读） #

如果数据量较小，这种写法更直观，便于理解逻辑：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'a': [[], [1,2,3], [7]]}, index=[1,2,3])
df2 = pd.DataFrame({'a': [[5,2,7], [1,2,3,4], [7,5]]}, index=[1,2,3])

# 逐行判断并替换
result_df = df1.apply(
    lambda row: df2.loc[row.name, 'a'] if len(row['a']) <= 1 else row['a'],
    axis=1
).to_frame('a')

两种方法最终都会得到期望结果：

a
1  [5, 2, 7]
2  [1, 2, 3]
3     [7, 5]

内容的提问来源于stack exchange，提问作者FeoJun