如何用Python Pandas按索引合并两个DataFrame并填充缺失值

嘿，刚接触Pandas的话，踩pd.concat()的坑太正常了——它只是简单把两个DataFrame堆叠起来，完全没法实现你要的“用DF2填充DF1对应索引缺失值”的需求。咱们直接上正确的解决方案：

最佳方法：使用combine_first() #

Pandas专门提供了combine_first()方法来处理这种场景，逻辑完全匹配你的需求：

• 以DF1为基础框架，保留它的所有行、列以及已有值
• 自动按索引和列名对齐DF2的数据
• 用DF2中对应索引-位置的值，填充DF1里的缺失值（NaN）
• 同时保留DF2中DF1没有的行和列（如果有的话）

示例代码 #

import pandas as pd

# 假设你的DF1和DF2已经定义好
Output_DF = DF1.combine_first(DF2)

直观例子帮你理解 #

假设我们有两个结构不同的DataFrame：
DF1：

DF2：

运行DF1.combine_first(DF2)后得到的Output_DF：

你看：

• DF1里索引1的列A缺失值，被DF2的40填充了
• DF1有值的地方（索引0的列A、索引1的列B）全部保留
• DF2独有的列C和索引2的行也被完整保留

为什么pd.concat()不行？ #

pd.concat([DF1, DF2])只是做简单的行拼接，会产生重复索引的行，完全不会处理缺失值的填充——比如上面的例子用concat的话，会得到5行数据（DF1的2行+DF2的3行），完全不是你要的合并填充效果。

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