我会考虑在对特定列进行过滤后使用带有fillna()的for循环。记住你可以使用fillna()而不是merge：

for x in [x for x in df if x.startswith('z')]:
   df_1[x] = df_1[x].fillna(df_2[x])

您可以合并：

df1 = df1.merge(df2, on=['col1','col2'], how='left')

然后使用np，其中：

import numpy as np
df1['z_col3_x'] = np.where(df1['z_col3_x'].isnull(), df1['z_col3_y'], df1['z_col3_x'])
df1['z_col4_x'] = np.where(df1['z_col4_x'].isnull(), df1['z_col4_y'], df1['z_col4_x'])

以后可以将列名重命名为它们的原始名称
要处理多个（50多个）列，可以用途：

for col in df1.columns:
    if (col.startswith('z_') & col.endswith('_x')):
        col = col[:-2]
        df1[col + '_x'] = np.where(df1[col + '_x'].isnull(), df1[col + '_y'], df1[col + '_x'])
        df1.drop(col + '_y', axis=1, inplace=True)
        df1.rename(columns={col + '_x': col}, inplace=True)

给定测试 Dataframe ：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data= {'col1': [1, 2], 'col2': ["A", "B"], 'z_col3': [3, np.nan], 'z_col4': [3, 4]} )
df2 = pd.DataFrame(data= {'col1': [1, 2], 'col2': ["C", "B"], 'z_col3': [3, 4], 'z_col4': [3, 4]} )

df1.set_index(['col1', 'col2'], inplace=True)
df2.set_index(['col1', 'col2'], inplace=True)

df1.update(df2)

df1.reset_index(inplace=True)

然后简单地打印它：

print(df1)