如何用Pandas将更新后DataFrame的非空值覆盖到原始DataFrame？

这场景太常见了！我刚帮同事处理过类似的需求，用Pandas的几个内置方法就能完美解决，给你两种实用方案：

先看示例数据（方便你对照理解） #

假设我们有原始数据df1，和仅包含修改字段的df2（未修改字段为NaN）：

import pandas as pd
import numpy as np

# 原始数据DataFrame
df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [10, 20, 30],
    'C': [100, 200, 300]
})

# 仅含修改字段的DataFrame（未修改为NaN）
df2 = pd.DataFrame({
    'A': [np.nan, 25, np.nan],
    'B': [15, np.nan, np.nan],
    'C': [np.nan, np.nan, 350]
})

我们要得到的目标结果是：用df2里的非NaN值覆盖df1对应位置，其余保留df1的原始值。

方案1：使用update()方法（直接修改/覆盖副本） #

如果你可以接受修改原始数据的副本（不改动原df1），update()是最高效的选择：

# 先复制原始数据，避免修改原df1
df1_updated = df1.copy()
# 用df2的非NaN值覆盖df1_updated
df1_updated.update(df2)

# 输出结果
print(df1_updated)

运行结果：

A     B      C
0   1.0  15.0  100.0
1  25.0  20.0  200.0
2   3.0  30.0  350.0

说明： #

• update()会原地修改调用它的DataFrame，所以一定要先复制原始数据，避免误改原数据
• 它只会匹配两个DataFrame中索引和列完全一致的位置，用df2的非NaN值覆盖，完全符合你的需求

方案2：使用combine_first()生成新DataFrame #

如果你想直接生成一个全新的结果DataFrame，不碰原始数据，就用combine_first()：

# 注意顺序：df2在前，df1在后
result_df = df2.combine_first(df1)

# 输出结果
print(result_df)

运行结果和方案1完全一致

说明： #

• combine_first()的逻辑是：对于每个单元格，如果df2中的值不是NaN，就用df2的值；否则用df1的原始值
• 这种方法不会修改任何原始数据，非常适合需要保留原始数据的场景

关键注意事项 #

• 确保两个DataFrame的列名、索引、数据类型完全匹配，否则可能出现值不匹配的情况（比如索引不同时，update()只会覆盖索引相同的行）
• 如果你的df2里的空值是字符串类型的'NaN'（不是np.nan），需要先转成真正的缺失值：

  df2 = df2.replace('NaN', np.nan)
  

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