合并 Pandas Dataframe：如何添加列和替换值

我有一个数据帧 df1 并想要合并其他（许多）数据帧 df2 以便：

• 合并发生在匹配的（多）索引上
• 如果缺失，将创建新列
• 如果列已存在，则替换值

正确的 pandas 操作是什么以及使用什么参数？我查看了 concat/join/merge/assign/append 但还没有找到。

数据框代码：

df1 = pd.DataFrame({'A':['A1', 'A2', 'A3', 'A4'],
                    'B':['B1', 'B2' ,'B3', 'B4'],
                    'C':['C1' ,'C2', 'C3', 'C4']},
                  index = [1,2,3,4])

df2 = pd.DataFrame({'C':['NewC'], 'D':['NewD']},
                  index=[3])

一种方法是使用combine_first https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.combine_first.html:

df2.combine_first(df1)

Output:

    A   B     C     D
1  A1  B1    C1   NaN
2  A2  B2    C2   NaN
3  A3  B3  NewC  NewD
4  A4  B4    C4   NaN

另一种方法是使用join with fillna:

df1[['A','B']].join(df2).fillna(df1)

Output:

    A   B     C     D
1  A1  B1    C1   NaN
2  A2  B2    C2   NaN
3  A3  B3  NewC  NewD
4  A4  B4    C4   NaN

第三种方式，

df1a = df1.reindex(df1.columns.union(df2.columns), axis=1)
df1a.update(df2)
df1a

Timings:

%%timeit pd.concat((df1,df2),sort=False).groupby(level=0).last()  

每个循环 4.56 ms ± 947 µs（7 次运行的平均值 ± 标准差，每次 100 个循环）

%%timeit 
df1a = df1.reindex(df1.columns.union(df2.columns), axis=1)  
df1a.update(df2)
df1a

每个循环 2.93 ms ± 133 µs（7 次运行的平均值 ± 标准差，每次 100 个循环）

%timeit df1[['A','B']].join(df2).fillna(df1)

每个循环 5.2 ms ± 89.7 µs（7 次运行的平均值 ± 标准差，每次 100 个循环）

%timeit df2.combine_first(df1)

每个循环 5.37 ms ± 127 µs（7 次运行的平均值 ± 标准差，每次 100 个循环）