如何按索引并集合并Pandas DataFrame 重叠时优先取指定数据源

核心需求 #

• 两个DataFrame按索引合并，结果索引为两表索引的并集
• 重叠索引对应的数据优先取指定DataFrame（本示例优先取df2）

方案1：使用combine_first（最简便） #

该方法是Pandas专门为优先级合并场景设计的，代码简洁易读：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'Fruit':['Apple','Orange','Banana','Pear'],'State':['Ripe','Not Ripe','Ripe','Ripe']},index=['A','B','C','E'])
df2 = pd.DataFrame({'Fruit':['Orange','Banana','Apple','Orange'],'State':['Not Ripe','Ripe','Ripe','Ripe']},index=['B','D','E','F'])

# 优先取df2的数据，df2不存在的索引用df1补充，最后按索引排序
df3 = df2.combine_first(df1).sort_index()

运行后得到的df3和你给出的预期结果完全一致。

方案2：使用merge实现（匹配你提到的merge函数需求） #

merge实现的核心参数配置如下：

• 开启left_index=True、right_index=True：指定按两表的索引做关联
• how='outer'：取两表索引的并集作为结果索引
• 手动处理重叠列，优先取df2的数值

# 按索引外连接，重叠列自动加后缀区分
merged_df = df1.merge(df2, left_index=True, right_index=True, how='outer', suffixes=('_df1', '_df2'))

# 逐列优先取df2的值，为空时取df1的值
for col in df1.columns:
    merged_df[col] = merged_df[f'{col}_df2'].fillna(merged_df[f'{col}_df1'])

# 保留目标列，按索引排序
df3 = merged_df[df1.columns].sort_index()

内容的提问来源于stack exchange，提问作者agftrading