如何合并两个有重叠列的Pandas DataFrame，更新已有值并添加新值

核心逻辑是把两个表按顺序拼接后，按username去重，保留最后出现的行（也就是data2的行优先），代码如下：

import pandas as pd
data1 = pd.DataFrame([['user1',  10], ['user2', 11], ['user3',  12],['user4',10]], columns=['username', 'amount'])
data2 = pd.DataFrame([['user4', 15], ['user5', 60]], columns=['username', 'amount'])

data3 = pd.concat([data1, data2], axis=0).drop_duplicates(subset='username', keep='last').reset_index(drop=True)
print(data3)

运行结果和预期完全一致：

username  amount
0    user1      10
1    user2      11
2    user3      12
3    user4      15
4    user5      60

你之前的merge代码已经拿到了所有数据，只需要新增一步合并amount字段，优先取data2的值，空值用data1的值填充即可：

df_merge = data1.merge(data2, how='outer', on='username')
# 优先取data2的amount（即amount_y），空值用data1的amount_x填充
df_merge['amount'] = df_merge['amount_y'].fillna(df_merge['amount_x']).astype(int)
data3 = df_merge[['username', 'amount']].reset_index(drop=True)

先把username设为索引，update方法会直接覆盖匹配到的行，再把data2中独有的行拼进去即可：

df1 = data1.set_index('username')
df2 = data2.set_index('username')
# 用df2的值覆盖df1中匹配的行
df1.update(df2)
# 拼接df2中不在df1里的行
data3 = pd.concat([df1, df2[~df2.index.isin(df1.index)]]).reset_index()

内容的提问来源于stack exchange，提问作者user40