基于列信任优先级合并Pandas不同ID记录的实现方法

嘿，刚接触Pandas的话，这个按列指定优先级取值的需求其实不难实现，我给你一步步拆解：

首先，先把你给出的原始数据转换成可运行的Pandas DataFrame（直接复制就能用）：

import pandas as pd

# 你的原始数据
df1 = pd.DataFrame({
    'ID': [1],
    'NAME': ['abc'],
    'ADDRESS': ['street1'],
    'PHONE': ['9999']
})

df2 = pd.DataFrame({
    'ID': [2],
    'NAME': ['xyz'],
    'ADDRESS': ['street2'],
    'PHONE': ['8888']
})

# 列优先级规则表
df_col_priority = pd.DataFrame({
    'COLUMN': ['NAME', 'ADDRESS', 'PHONE'],
    'PRIORITY_BY_ID': [1, 2, 2]
})

接下来是核心逻辑：我们先把两个数据纵向合并，再根据优先级规则逐个提取对应ID的列值：

# 合并两个数据，用ID作为索引方便快速取值
combined_df = pd.concat([df1, df2]).set_index('ID')

# 遍历优先级规则，构建最终结果字典
final_data = {}
for _, rule in df_col_priority.iterrows():
    col_name = rule['COLUMN']
    target_id = rule['PRIORITY_BY_ID']
    # 从合并表中取出对应ID和列的值
    final_data[col_name] = combined_df.loc[target_id, col_name]

# 转成DataFrame格式，就是你要的最终结果
result = pd.DataFrame([final_data])
print(result)

运行后输出的结果就是你期望的：

NAME  ADDRESS PHONE
0  abc  street2  8888

这个方法的好处是扩展性很强——哪怕以后你有更多ID的记录，或者更多列的优先级规则，只要修改原始数据和规则表，代码不用大改就能适配。

内容的提问来源于stack exchange，提问作者mukkira149