如何将一个DataFrame的非空值覆盖到另一个DataFrame中

核心规则 #

• 以唯一值的行索引（原表首列）、列名（原表首行）作为匹配键
• 完整保留基准表df1的原有行顺序、列顺序、行列总数，不新增/删除任何行、列
• 仅使用待覆盖表df2中的非空值，覆盖df1中对应匹配位置的原有值
• df2中存在但df1没有的行、列直接忽略，不写入结果

实现代码 #

import pandas as pd

# 前置配置：如果你的数据表还没把首列设为行索引，先执行这步
# 执行后首列会作为匹配用的行索引，首行默认作为列名匹配键
df1 = df1.set_index(df1.columns[0])
df2 = df2.set_index(df2.columns[0])

# 核心覆盖逻辑
df_result = df1.copy()
# 把df2对齐到df1的行列结构，超出df1范围的行列直接丢弃
df2_aligned = df2.reindex(index=df1.index, columns=df1.columns)
# 仅取df2中非空的位置做值覆盖
cover_mask = df2_aligned.notna()
df_result[cover_mask] = df2_aligned[cover_mask]

注：如果不需要保留原始df1的数据，可以直接在df1对象上修改，跳过copy步骤即可。

效果验证示例 #

构造测试用表：

# 基准表df1，结构需要完整保留
df1 = pd.DataFrame({
    'id': ['a', 'b', 'c'],
    'score_math': [82, 76, 90],
    'score_eng': [68, 88, 79],
    'score_phy': [91, 84, 73]
}).set_index('id')

# 待覆盖表df2，包含空值、df1没有的行和列
df2 = pd.DataFrame({
    'id': ['b', 'c', 'd'],
    'score_math': [None, 95, 87],
    'score_eng': [92, None, 81],
    'score_chem': [77, 69, 85]
}).set_index('id')

执行上述代码后得到的结果：

结果符合预期：df1原有3行3列结构完全未改动，仅b行英语成绩、c行数学成绩两个位置被df2的非空值覆盖，df2中的空值、多余行d、多余列化学成绩均未对结果产生影响。

内容的提问来源于stack exchange，提问作者Ajit Singh