如何更简便地合并同列DataFrame并按条件覆盖空值？

嘿，针对你遇到的用pd.merge合并后出现冗余列的问题，其实完全不需要走合并这条路，有几个更简洁高效的办法能直接实现你的需求——仅当原df的qwe值为空时，用处理后的dff值覆盖：

方法1：直接修改原DataFrame（最推荐） #

既然你本来就是要给flag=="1"的行设置qwe="123"，那完全可以一步到位直接在原数据上修改，根本不需要额外生成dff再合并：

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame({"flag":["1","0","1","0"], "val":["111","111","222","222"], "qwe":["","11","","12"]})

# 精准定位目标行并修改qwe列
df.loc[df["flag"] == "1", "qwe"] = "123"

执行完这段代码，df直接就是你想要的最终结果，没有多余步骤，效率最高。

方法2：用combine_first实现无冗余合并（保留原数据时用） #

如果你需要保留原始的df不被修改，那可以先处理好dff，再用combine_first来做对齐填充——它会自动用dff的非空值去覆盖df中对应的空值，而且不会产生冗余列：

import pandas as pd

df = pd.DataFrame({"flag":["1","0","1","0"], "val":["111","111","222","222"], "qwe":["","11","","12"]})
dff = df.loc[df["flag"]=="1"].copy()  # 加copy()避免链式索引的警告
dff["qwe"] = "123"

# 用flag和val作为索引对齐数据，填充后重置索引
result = df.set_index(["flag", "val"]).combine_first(dff.set_index(["flag", "val"])).reset_index()

方法3：用fillna结合索引对齐 #

和combine_first逻辑类似，也可以用fillna来完成空值填充，同样是通过索引确保行对齐：

dff = df.loc[df["flag"]=="1"].copy()
dff["qwe"] = "123"

# 用dff的对应值填充df的空值
result = df.fillna(dff.set_index(["flag", "val"])).reset_index(drop=True)

总的来说，方法1是最优解，步骤最少且高效；如果必须保留原始数据，方法2和3都比pd.merge更简洁，不会出现冗余列的问题。

内容的提问来源于stack exchange，提问作者ilya