如何利用另一个pandas DataFrame更新目标DataFrame的对应值？

我来帮你解决这个问题！你想要的效果是用df2的数据覆盖df1中匹配行的B值，同时保留df1里df2没有的行，这其实是很常见的"更新+保留"场景，之前用pd.update或pd.merge没成功大概率是没处理好匹配逻辑，下面给你几个靠谱的实现方法：

先构造测试数据 #

首先先把你给出的两个DataFrame用代码还原，方便后续测试：

import pandas as pd

df1 = pd.DataFrame({'A': ['foo', 'bar', 'baz'], 'B': [2, 3, 4]})
df2 = pd.DataFrame({'A': ['foo', 'bar'], 'B': [40, 50]})

方法1：使用combine_first（最简洁） #

这个方法会自动用df2的非缺失值覆盖df1的对应位置，同时保留df1独有的行，只需要先把匹配列（A列）设为索引对齐：

# 将A列设为索引，对齐后合并
df_result = df2.set_index('A').combine_first(df1.set_index('A')).reset_index()
# 把索引列改回原列名A
df_result = df_result.rename(columns={'index': 'A'})

运行后得到的df_result就是你想要的结果：

方法2：使用pd.update（需要索引匹配） #

update本身是按索引匹配更新的，如果你之前直接用df1.update(df2)会按行位置匹配而不是A列的值，所以需要先把A列设为索引：

# 先把两个DataFrame的A列设为索引
df1.set_index('A', inplace=True)
df2.set_index('A', inplace=True)
# 用df2更新df1（inplace操作，直接修改df1）
df1.update(df2)
# 恢复索引为普通列
df_result = df1.reset_index()

这个方法会直接修改df1，如果你不想改动原数据，可以先复制df1再操作：df_copy = df1.copy()，再对copy进行处理。

方法3：使用pd.merge+fillna（适合复杂场景） #

如果你的DataFrame有更多列需要处理，merge的方式更灵活，通过左连接保留df1的所有行，再用df2的值填充缺失：

# 左连接保留df1的所有行，给两列B加后缀区分
df_merge = pd.merge(df1, df2, on='A', how='left', suffixes=('_df1', '_df2'))
# 优先用df2的B值，没有的话用df1的B值
df_merge['B'] = df_merge['B_df2'].fillna(df_merge['B_df1'])
# 只保留需要的A和B列
df_result = df_merge[['A', 'B']]

为什么之前的尝试可能失败？ #

• 用pd.update时没设置索引：默认是按行的位置匹配，而不是按A列的值匹配，所以会更新错行
• 用pd.merge时用了默认的inner连接：会丢失df1中df2没有的行（比如baz），如果用outer连接会产生重复的B列，需要额外处理

内容的提问来源于stack exchange，提问作者Schiphol