一周学会Pandas2之Python数据处理与分析-Pandas2数据合并与对比-df.combine()：元素级合并

锋哥原创的Pandas2 Python数据处理与分析 视频教程：  

2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

df.combine()：元素级合并

df.combine() 是 pandas 中用于 按元素合并两个 DataFrame 的灵活方法，允许通过自定义函数处理重叠或冲突的值。与 merge、join 等基于索引或列对齐的合并不同，combine() 更适用于元素级别的精细化合并逻辑。以下是详细说明及示例：

基本语法：

DataFrame.combine(other,                 # 另一个 DataFrame 或 Seriesfunc,                  # 合并函数，定义如何组合两个元素fill_value=None,       # 缺失值的填充值（默认 NaN）overwrite=True         # 是否用 other 的值覆盖当前 DataFrame 的非空值
)

核心功能

1. 元素级合并：对两个 DataFrame 的每个元素应用 func 函数，决定最终值。

2. 覆盖逻辑：

   • 若 overwrite=True（默认），当 other 的值非空时，优先使用 other 的值。

   • 若 overwrite=False，只有当当前 DataFrame 的值为空时，才使用 other 的值。

3. 索引对齐：合并时按行和列索引对齐，缺失位置用 fill_value 填充。

---

参数说明

参数	说明
func	接受两个标量参数（当前元素和 other 的元素），返回合并后的值的函数
fill_value	对齐索引时，缺失位置的填充值（默认 NaN）
overwrite	是否允许 other 的非空值覆盖当前 DataFrame 的非空值（默认 True）

常用场景示例

1，基本合并（优先保留 other 的值）

import pandas as pd
​
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=[0, 1, 2])
df2 = pd.DataFrame({'A': [10, 20, 30], 'B': [40, 50, 60]}, index=[1, 2, 3])
​
# 默认 overwrite=True，用 df2 的值覆盖 df1
result = df1.combine(df2, lambda x, y: y)

2，自定义合并函数（例如取最大值）

import pandas as pd
​
df1 = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
})
​
df2 = pd.DataFrame({'A': [3, 2, 1],'B': [6, 5, 4]
})
​
​
def diff(x, y):return x - y
​
​
result = df1.combine(df2, func=diff)

3， 处理缺失值（fill_value 参数）

import pandas as pddf1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=[0, 1, 2])
df2 = pd.DataFrame({'A': [10, 20, 30], 'B': [40, 50, 60]}, index=[1, 2, 3])# 填充缺失值为0，再合并
result = df1.combine(df2, lambda x, y: x + y, fill_value=0)

输出：

     A     B
0   1.0   4.0   # df2索引0缺失，视为0，结果1+0=1
1  22.0  55.0   # 2+20=22, 5+50=55
2  33.0  66.0   # 3+30=33, 6+60=66
3  30.0  60.0   # df1索引3缺失，视为0，结果0+30=30