合并pandas DataFrame时如何合并非键的同名公共列

以下两种实现方式均无需循环，可满足你的需求：

方法1：合并后合并同名列再筛选 #

在merge时指定后缀区分不同来源的3列，合并后直接将多列3按优先级合并，最后只保留需要的三列即可：

import pandas as pd
# 两次左连接，用后缀标记不同表的3列
merge_temp = pd.merge(df, df1, how='left', on=['1','2'], suffixes=('', '_df1'))
merge_temp = pd.merge(merge_temp, df2, how='left', on=['1','2'], suffixes=('', '_df2'))

# 合并三个3列，优先级可自行调整，下方示例优先级为 df.3 > df1.3 > df2.3
# pandas 1.3.0以上版本可直接用coalesce逻辑：
merge_temp['3'] = merge_temp['3'].combine_first(merge_temp['3_df1']).combine_first(merge_temp['3_df2'])
# 也可以用反向填充的写法兼容低版本：
# merge_temp['3'] = merge_temp[['3', '3_df1', '3_df2']].bfill(axis=1).iloc[:, 0]

# 仅保留目标列
res = merge_temp[['1','2','3']]

该方法完全保留左连接的逻辑，可灵活调整不同表3列的取值优先级。

方法2：先拼接再分组聚合 #

如果不需要严格限制仅保留df的键组合，可直接拼接三个表后按键分组取非空值，逻辑更简洁：

# 纵向拼接三个表，拼接顺序决定取值优先级，排在前面的表优先级更高
all_df = pd.concat([df, df1, df2], ignore_index=True)
# 按键分组，取每组3列的第一个非空值
res = all_df.groupby(['1','2'], as_index=False)['3'].first()

如果需要严格对齐左连接的键范围，只需要最后加一步左连接过滤即可：

res = df[['1','2']].merge(res, on=['1','2'], how='left')

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