看起来你要找的是combine_first。

a = df2.set_index('key')
b = df1.set_index('key')

(a.combine_first(b)
  .reset_index()
  .reindex(columns=df1.columns))

     A    B key    C
0  4.0  5.0  k1  2.0
1  1.0  2.0  k2  3.0
2  2.0  3.0  k3  5.0
3  2.0  3.0  k4  5.0

试试这个：

df1 = {'key': ['k1', 'k2', 'k3'], 'A':[0,1,2], 'B': [1,2,3], 'C':[2,3,5]}
df1 = pd.DataFrame(data=df1)
print (df1)
df2 = {'key': ['k1', 'k2', 'k4'], 'A':[4,1,2], 'B': [5,2,3], 'C':[2,3,5]}
df2 = pd.DataFrame(data=df2)
print (df2)
df3 = df1.append(df2)
df3.drop_duplicates(subset=['key'], keep='last', inplace=True)
df3 = df3.sort_values(by=['key'], ascending=True)
print (df3)

首先，您需要指定索引列：

df1.set_index('key', inplace=True)
df2.set_index('key', inplace=True)

然后，组合 Dataframe ，使所有索引键就位（这不会更新df1值!请参见：combine_first manual）：

df1 = df1.combine_first(df2)

最后一步是使用df2更新df1中的值并重置索引

df1.update(df2)
df1.reset_index(inplace=True)

尝试附加和删除重复项：

df3 = pd.drop_duplicates(df1.append(df2))

假设两个 Dataframe 具有相同的索引列

df3 = df1.combine_first(df2)
df3.update(df2)

在每个 Dataframe 上将同一列设置为索引后：

def df_upsert(df1, df2):
    df = df1.combine_first(df2)
    df.update(df2)
    return df