本文介绍在 pandas 中完成 dataframe 合并后，如何将合并产生的新列（如 'c'）的值直接赋给已有列（如 'b'），实现“就地替换+同名保留”，避免冗余列和显式重命名操作。
本文介绍在 pandas 中完成 dataframe 合并后，如何将合并产生的新列（如 'c'）的值直接赋给已有列（如 'b'），实现“就地替换+同名保留”，避免冗余列和显式重命名操作。
在实际数据处理中，我们常需基于多字段（如 ['A', 'B', 'D']）合并两个 DataFrame，并利用右侧表中的补充信息（如产品名称列 'C'）覆盖左侧表中语义重复或需更新的列（如原 'B' 列）。此时目标并非新增列，而是用 'C' 的值精准替换 'B' 的内容，同时保持列名 'B' 不变——即“替换而非追加”。
最简洁、高效的做法是利用 pop() 方法配合赋值：
df2 = df.merge(df1, on=['A', 'B', 'D'])
df2['B'] = df2.pop('C') # 关键：pop 移除并返回 'C' 列，再赋给 'B'✅ pop() 的优势在于：它原子性地从 DataFrame 中移除指定列并返回其 Series，既避免了 del df2['C'] 的两步操作，又防止因列名冲突导致的意外覆盖。
若追求函数式链式写法（增强可读性与不可变风格），推荐使用 assign()：
df2 = (df.merge(df1, on=['A', 'B', 'D'])
.assign(B=lambda x: x.pop('C'))
)⚠️ 注意事项：
- pop('C') 要求 'C' 列必须存在，否则抛出 KeyError；建议在生产环境中先校验 if 'C' in df2.columns:；
- assign() 中的 lambda x 接收的是当前 DataFrame 状态，x.pop('C') 在链内安全执行，不会影响上游；
- 此方法不修改原始 df 或 df1，符合 Pandas 函数式编程最佳实践；
- 若需保留 'C' 原始列用于其他用途，请改用 df2['B'] = df2['C'] + df2.drop(columns='C', inplace=True)。
最终结果严格满足需求：列结构为 ['A', 'B', 'D']，其中 'B' 已被 'C' 的值完全替代，且顺序与语义均保持一致。
