合并Pandas DataFrame并替换指定列的实现方法

方法一：合并后清理列 #

先执行你原本的合并操作，再删除来自df1的C_x列，并将df2的C_y重命名为C：

import pandas as pd

df1 = pd.DataFrame({'A':[3,5,2,5], 'B':['w','x','y','z'], 'C':['0','0','0','0']})
df2 = pd.DataFrame({'B':['w','x','y','z'],'C':['1','2','3','4'], 'D':[10,20,30,40]})

# 执行合并
merged_df = df1.merge(df2, how='outer', on='B')
# 删除df1的C列，重命名df2的C列
merged_df = merged_df.drop('C_x', axis=1).rename(columns={'C_y': 'C'})
print(merged_df)

方法二：提前删除不需要的列（更高效） #

既然你不需要df1的C列，直接先删除df1中的C列再合并，合并后不会产生重复的C列，一步到位：

import pandas as pd

df1 = pd.DataFrame({'A':[3,5,2,5], 'B':['w','x','y','z'], 'C':['0','0','0','0']})
df2 = pd.DataFrame({'B':['w','x','y','z'],'C':['1','2','3','4'], 'D':[10,20,30,40]})

# 删除df1的C列后合并
merged_df = df1.drop('C', axis=1).merge(df2, how='outer', on='B')
print(merged_df)

两种方法都能得到你期望的结果：

A  B  C   D
0  3.0  w  1  10
1  5.0  x  2  20
2  2.0  y  3  30
3  5.0  z  4  40

内容的提问来源于stack exchange，提问作者HappyPy