如何按条件合并两个Pandas DataFrame：A==0时保留df1数据

步骤说明 #

针对df2的B列做条件替换：当A列值为0时，取df1对应行的B值；其余情况保留df2原B值。df1中存在df2没有的行（如索引5、6），无需处理这些行。

代码实现 #

import pandas as pd

# 构造示例DataFrame
df1 = pd.DataFrame({
    'A': [0, 0, 1, 1, 2, 'Ciao', 3],
    'B': [3, 2, 5, 3, 5, 'log', 4]
})

df2 = pd.DataFrame({
    'A': [0, 0, 1, 1, 2],
    'B': [-1, 20, -2, 33, 17]
})

# 核心逻辑：替换df2中A==0的B值为df1对应行的B值
df2.loc[df2['A'] == 0, 'B'] = df1.loc[df1['A'] == 0, 'B'].values

print(df2)

输出结果 #

A   B
0  0   3
1  0   2
2  1  -2
3  1  33
4  2  17

关键细节 #

• 用df.loc[条件, 列名]精准定位需要替换的行和列；
• 加.values避免pandas索引对齐问题，确保df1中A==0的两行B值（3、2）直接匹配到df2对应行；
• df1中额外的行不影响结果，只处理df2存在的行范围。

内容的提问来源于stack exchange，提问作者emax