使用Pandas合并两个DataFrame：缺失键设默认值及优先级规则

我来帮你搞定这个DataFrame合并的需求，咱们先把示例数据明确下来，再一步步实现核心逻辑：

1. 先定义示例DataFrame #

首先咱们把你描述的两个DataFrame用代码创建出来，方便后续验证：

import pandas as pd

# 你的df1：包含基准base、特殊值%，以及已存在的sys1
df1 = pd.DataFrame({
    'NAME': ['base', '%', 'sys1'],
    'RED': [3, 4, 5],
    '内存': [2.00, 0.10, 0.20]
})

# 你的df2：需要处理的目标NAME列表
df2 = pd.DataFrame({
    'NAME': ['sys1', 'sys2']
})

2. 核心实现步骤 #

你的需求核心是：保留df2的所有NAME，优先使用df1中匹配到的行数据，缺失的NAME用base行作为默认值，具体步骤如下：

步骤1：提取base行作为默认模板 #

从df1里取出NAME为base的行，作为后续缺失值的填充模板：

# 提取base行并去掉NAME列，只保留需要填充的非键列
default_template = df1[df1['NAME'] == 'base'].drop(columns='NAME').iloc[0]

步骤2：合并两个DataFrame #

用左连接方式合并df2和df1，这样能完整保留df2的所有NAME，同时匹配df1中已存在的对应行：

merged_df = df2.merge(df1, on='NAME', how='left')

步骤3：填充缺失值 #

用刚才提取的base模板，填充合并后结果中的缺失值（也就是df2里在df1中不存在的NAME，比如sys2）：

merged_df = merged_df.fillna(default_template)

3. 最终结果 #

运行完上面的代码后，你会得到符合需求的DataFrame：

NAME  RED   内存
0  sys1  5.0  0.20
1  sys2  3.0  2.00

• sys1在df1中存在，所以使用了df1里的RED=5、内存=0.20
• sys2在df1中不存在，所以自动使用了base行的默认值RED=3、内存=2.00

额外说明 #

如果你的非键列不止这两个，这个方法同样适用——fillna会自动按列名匹配填充，不需要额外修改代码。要是你需要自定义默认值（而不是用base行），直接把default_template换成字典就行，比如：

merged_df = merged_df.fillna({'RED': 0, '内存': 0.0})

内容的提问来源于stack exchange，提问作者lgg