Pandas合并两个DataFrame时，如何按Values匹配用df2数值更新df对应列？

你的核心目标是：用df2中匹配到的Count、Percentage值，覆盖df中对应同Values行的默认值，其余行保留df原有的0值，不需要保留merge操作拆分出的新旧同名列。
以下是几种可直接运行的实现方式：

方法1：update 匹配覆盖（大数据量效率最高） #

这种方法按Values列做索引对齐，直接用df2的数值覆盖df对应行的字段，不会产生多余的带后缀列

# 为两个DataFrame设置匹配索引
df_idx = df.set_index('Values')
df2_idx = df2.set_index('Values')
# 用df2的非空值覆盖df的同名列值
df_idx.update(df2_idx)
# 重置索引回到原表结构
result = df_idx.reset_index()

方法2：基于现有merge结果手动加工 #

你当前已经生成的带后缀的merge结果可以直接调整，不需要重复合并：

# 合并时显式指定后缀，避免默认的_x/_y易混淆
result = df.merge(df2, on='Values', how='left', suffixes=('_origin', '_override'))
# 用覆盖值填充原列的空值，空位置保留原有0值
result['Count'] = result['Count_override'].fillna(result['Count_origin'])
result['Percentage'] = result['Percentage_override'].fillna(result['Percentage_origin'])
# 剔除多余的中间列，保留目标字段
result = result[['Values', 'Count', 'Percentage']]

方法3：combine_first 优先保留df2数值 #

这种逻辑会优先保留df2的数值，df2缺失的行自动用df的原有值补全，完全匹配需求

# 设置匹配索引
df_idx = df.set_index('Values')
df2_idx = df2.set_index('Values')
# 优先保留df2的数值，缺失部分用df的值补全
result = df2_idx.combine_first(df_idx).reset_index()

所有方法都适配你提到的「df2的Values一定是df的子集」的前提，不会出现未匹配的Values行丢失、错位的问题。

内容的提问来源于stack exchange，提问作者user14185615