如何在Pandas中合并DataFrame并替换指定年份重复数据？

这个需求的核心是让df2的2019年数据完全覆盖df1中同类型、同年份的记录，同时保留df1里其他年份的数据，以及df2中独有的类型（比如示例里的d）。我给你两种实用的解决方案：

方法一：提前过滤+合并（高效直接） #

先把df1里2019年的记录全部过滤掉，再和完整的df2合并，从根源上避免重复：

import pandas as pd

# 过滤df1，只保留非2019年的数据
df1_filtered = df1[df1['year'] != 2019]
# 合并过滤后的df1和df2，重置索引
final_df = pd.concat([df1_filtered, df2], ignore_index=True, sort=False)

运行后得到的final_df完全符合你的预期：

方法二：合并后去重（灵活通用） #

如果以后需要覆盖的年份不止2019，或者不想提前写过滤规则，可以先合并两个DataFrame，再通过去重逻辑保留优先级更高的记录（把df2放在concat的后面，用keep='last'确保df2的记录覆盖df1）：

# 合并两个DataFrame（暂时保留原顺序）
combined_df = pd.concat([df1, df2], ignore_index=False)
# 按type和year去重，保留最后出现的记录（即df2的对应记录）
final_df = combined_df.drop_duplicates(subset=['type', 'year'], keep='last').reset_index(drop=True)

两种方法对比 #

• 方法一更高效：减少了合并的数据量，适合处理大规模数据集；
• 方法二更灵活：不需要针对特定年份写过滤条件，只要保证优先级高的DataFrame在concat时放在后面即可。

内容的提问来源于stack exchange，提问作者ah bon