如何通过匹配ID，用同列结构的DataFrame填充缺失值？

当然可以实现你的需求！你之前用merge丢失未匹配ID，是因为默认的merge操作（内连接）只会保留两边都有的ID。下面给你两种实用的方法，既能按ID匹配填充缺失值，又能完整保留df1里的所有记录：

方法1：左连接+手动填充 #

先通过左连接保留df1的所有行，再针对共同列用df2的值填充df1的缺失项：

# 左连接df1和df2，用后缀区分同名列
merged_df = df1.merge(df2, on='ID', how='left', suffixes=('_df1', '_df2'))

# 遍历所有df1的非ID列，用df2对应列的非空值填充
for col in df1.columns:
    if col != 'ID' and f"{col}_df2" in merged_df.columns:
        merged_df[col] = merged_df[col].fillna(merged_df[f"{col}_df2"])

# 提取原df1的列，得到最终结果
final_df = merged_df[df1.columns]

方法2：用combine_first（更简洁） #

pandas的combine_first方法专门用来做这种“用另一个DataFrame的非缺失值填充当前DataFrame缺失值”的操作，配合索引对齐更高效：

# 将两个DataFrame都设置ID为索引，然后填充
final_df = df1.set_index('ID').combine_first(df2.set_index('ID')).reset_index()

这个方法会自动按ID匹配，用df2的非缺失值覆盖df1的缺失值，同时完全保留df1的所有ID和原有非缺失数据。

注意事项 #

• 确保两个DataFrame的ID列数据类型一致（比如都是字符串或整数），否则可能出现匹配失败的情况；
• 如果df2里有df1没有的列，方法2会把这些列也保留下来，要是不需要的话，可以手动筛选回df1的列。

内容的提问来源于stack exchange，提问作者C. Denney