pandas DataFrame 连接/更新（“upsert”）？

我正在寻找一种优雅的方法将一个 DataFrame 中的所有行附加到另一个 DataFrame （两个 DataFrame 具有相同的索引和列结构），但如果两个 DataFrame 中出现相同的索引值，请使用第二个数据中的行框架。

因此，举例来说，如果我从以下内容开始：

df1:
                    A      B
    date
    '2015-10-01'  'A1'   'B1'
    '2015-10-02'  'A2'   'B2'
    '2015-10-03'  'A3'   'B3'

df2:
    date            A      B
    '2015-10-02'  'a1'   'b1'
    '2015-10-03'  'a2'   'b2'
    '2015-10-04'  'a3'   'b3'

我希望结果是：

                    A      B
    date
    '2015-10-01'  'A1'   'B1'
    '2015-10-02'  'a1'   'b1'
    '2015-10-03'  'a2'   'b2'
    '2015-10-04'  'a3'   'b3'

这类似于我认为在某些 SQL 系统中所谓的“upsert”——更新和插入的组合，从某种意义上说，来自的每一行df2是 (a) 用于更新现有行df1如果行键已存在于df1，或 (b) 插入df1如果行键尚不存在，则在最后。

我想出了以下内容

pd.concat([df1, df2])     # concat the two DataFrames
    .reset_index()        # turn 'date' into a regular column
    .groupby('date')      # group rows by values in the 'date' column
    .tail(1)              # take the last row in each group
    .set_index('date')    # restore 'date' as the index

这似乎有效，但这依赖于每个 groupby 组中的行顺序始终与原始 DataFrame 相同，我还没有检查过，并且看起来令人不快地复杂。

有谁有更直接的解决方案的想法吗？

一种解决方案是串联df1有新行df2（即索引不匹配的地方）。然后用来自的值更新值df2.

df = pd.concat([df1, df2[~df2.index.isin(df1.index)]])
df.update(df2)

>>> df
             A   B
2015-10-01  A1  B1
2015-10-02  a1  b1
2015-10-03  a2  b2
2015-10-04  a3  b3

EDIT:根据@chrisb的建议，可以进一步简化如下：

pd.concat([df1[~df1.index.isin(df2.index)], df2])

谢谢克里斯！