如何按c列映射并结合combine_first合并两个Pandas DataFrame？

你需要的核心逻辑是以c列为匹配键，优先保留data1的a列值，当data1的a列空缺时，用data2中对应c值的a列值填充。之前的merge和combine_first单独使用都无法满足需求，因为前者只是合并数据没有处理填充，后者是按索引匹配而非c列匹配。下面提供两种高效的实现方式：

方法一：字典映射填充（高效简洁） #

这种方式先把data2转换成c到a的映射字典，再用data1的c列匹配填充空缺值：

import pandas as pd

# 构造你的示例数据（实际使用时替换成你的真实数据）
data1 = pd.DataFrame({
    'a': [None, None, 'a3'],
    'b': ['b1', 'b2', None],
    'c': ['c1', 'c2', 'c3']
})

data2 = pd.DataFrame({
    'a': ['1a', '2a', '3a', '4a'],
    'c': ['c1', 'c2', 'c3', 'c4'],
    'd': ['1d', '2d', '3d', '4d']
})

# 1. 从data2创建c到a的映射字典
c_to_a_map = data2.set_index('c')['a'].to_dict()

# 2. 用映射字典填充data1的a列空缺
data1['a'] = data1['a'].fillna(data1['c'].map(c_to_a_map))

# 输出结果
print(data1)

逻辑说明： #

• set_index('c')['a'].to_dict() 将data2转换为以c为键、a为值的字典，实现快速查找。
• data1['c'].map(c_to_a_map) 根据data1每行的c值，匹配到data2对应的a值，生成一个填充用的Series。
• fillna() 只替换data1中a列的空缺值，原有非空值保持不变，完全符合你的需求。

方法二：Merge后填充（直观易理解） #

如果你更习惯用合并操作，可以先通过merge关联两个数据集，再处理填充：

# 1. 仅合并data2中需要的a和c列，用left join保留data1的所有行
merged_data = data1.merge(
    data2[['a', 'c']], 
    on='c', 
    how='left', 
    suffixes=('', '_from_data2')
)

# 2. 用data2的a值填充data1的a列空缺
merged_data['a'] = merged_data['a'].fillna(merged_data['a_from_data2'])

# 3. 删除临时辅助列，得到最终结果
result = merged_data.drop('a_from_data2', axis=1)

# 输出结果
print(result)

逻辑说明： #

• left join 确保data1的所有行都被保留，同时把data2中对应c值的a列作为新列（a_from_data2）合并进来。
• 同样用fillna()完成空缺填充，最后删除临时列即可得到预期结果。

两种方法都能生成你想要的结果：

内容的提问来源于stack exchange，提问作者susim