如何将含新列的df2覆盖回原Pandas DataFrame？

方法1：先初始化新列再赋值 #

你的原DataFrame df 中不存在new_col列，直接用df.loc[df2.index] = df2只会更新df已有的列，不会自动新增列。可以先给df添加新列，再执行赋值操作：

import numpy as np
import pandas as pd
from random import rand

# 给df初始化新列，默认值设为NaN（或其他符合业务逻辑的默认值）
df['new_col'] = np.nan

# 此时赋值会同时更新现有列、填充新列
df.loc[df2.index] = df2

方法2：合并剩余行与修改后的df2 #

如果不想提前初始化新列，可先保留df中无需修改的行，再和修改后的df2合并，这样会自动包含df2的新列：

# 筛选df中不在df2索引范围内的行
df_remaining = df.drop(df2.index)
# 合并剩余行与修改后的df2，最后按索引排序恢复原顺序
df = pd.concat([df_remaining, df2]).sort_index()

补充说明 #

• 两种方法都能实现覆盖原有记录+同步新列的需求，按需选择：
  • 方法1效率更高，适合提前明确要新增列的场景；
  • 方法2更灵活，适合不确定新增列数量的场景。
• 确保df2的索引与df对应行的索引完全匹配，避免赋值/合并错误。

内容的提问来源于stack exchange，提问作者keynesiancross