如何合并两个DataFrame并替换NaN值，优先保留参考表非空值

需求描述 #

现有两张列结构完全一致的表格，需按以下规则完成合并：

• 替换两张表中标记为N/A的空值
• 第一张表为优先参考表，若两张表同一位置均为非N/A的不同值，优先保留第一张表的取值
• 最终输出单行结果，要求DistanciaPercorrida字段值为3km，TempoCorrida字段值为4min 38s

实现方案 #

步骤1：统一空值格式 #

先将两张表中自定义的N/A空值标记，转换为Pandas可识别的标准NaN空值，执行代码：
df.replace('N/A', np.NaN)

步骤2：按优先级合并表格 #

使用Pandas的combine_first方法实现优先级合并，该方法会自动用第二张表的非空值填充第一张表的空值，且第一张表已有值的位置不会被第二张表覆盖，完全符合需求的优先级规则，执行代码：
df1.set_index('Data').combine_first(df2.set_index('Data')).reset_index()

完整参考代码 #

import pandas as pd
import numpy as np

# df1、df2为已读取的两张待合并表
# 统一两张表的空值格式
df1 = df1.replace('N/A', np.NaN)
df2 = df2.replace('N/A', np.NaN)

# 按公共列Data建立索引后合并，合并完成后重置索引
merged_df = df1.set_index('Data').combine_first(df2.set_index('Data')).reset_index()

内容的提问来源于stack exchange，提问作者laosnd