如何比对两个DataFrame的相同单词并求和对应出现次数

假设你的两个DataFrame分别命名为df1（待更新的第一个数据集）、df2（第二个待合并的数据集），首先需要注意：你提到两列的数据类型均为object，因此要先将occurance列转换为数值类型才能执行加法运算。

场景1：需要将df2中独有的单词也补充到df1中 #

直接拼接两个数据集后按单词分组求和即可，代码如下：

import pandas as pd

# 将出现次数字段转换为整型
df1['occurance'] = df1['occurance'].astype(int)
df2['occurance'] = df2['occurance'].astype(int)

# 合并后按单词分组求和，结果覆盖原df1
df1 = pd.concat([df1, df2], ignore_index=True).groupby('word', as_index=False)['occurance'].sum()

场景2：仅更新df1已有单词的次数，不新增df2独有的单词 #

用映射匹配的方式更新次数即可，不会新增df1中不存在的行：

import pandas as pd

# 将出现次数字段转换为整型
df1['occurance'] = df1['occurance'].astype(int)
df2['occurance'] = df2['occurance'].astype(int)

# 匹配df2的单词次数，无匹配项填充0后相加
df1['occurance'] = df1['occurance'] + df1['word'].map(df2.set_index('word')['occurance']).fillna(0).astype(int)

内容的提问来源于stack exchange，提问作者Robin5454