您可以从字典中创建一个DataFrame，然后将索引与reindex和combine_first对齐：

df2 = pd.DataFrame(changes).set_index('id')

out = (df2.reindex(df.index.union(df2.index))
          .combine_first(df)
      )

输出量：

A     B     C
0  aNEW    b1  cNEW
1    a3    b2    c2
2    a3  bNEW    c3
3  aNEW   NaN  cNEW

作为方法

如果确实需要，可以使用monkey patching将其添加为DataFrame方法：

def AddOrUpdate(self, other):
    if not isinstance(other, pd.DataFrame):
        other = pd.DataFrame(other)
    other = other.set_index('id')
    return (other.reindex(self.index.union(other.index))
                 .combine_first(df)
            )

pd.DataFrame.AddOrUpdate = AddOrUpdate

out = df.AddOrUpdate(changes)

如果DataFrame索引是从0开始的整数，并且具有连续值，则可以使用.loc并添加一个新行，根据行计数在下一行创建新索引：

df.loc[df.shape[0]] = ['aNEW',  None,  'cNEW']

#df
A     B     C
0    a1    b1    c1
1    a3    b2    c2
2    a3    b3    c3
3  aNEW  None  cNEW

你也可以传递字典，如果你不在乎它是None还是NaN，你就不需要包含None的键/值对：

df.loc[df.shape[0]] = {'A': 'aNew+', 'C': 'cNew+'}

#df
A    B      C
0     a1   b1     c1
1     a3   b2     c2
2     a3   b3     c3
3  aNew+  NaN  cNew+