◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。
Pandas如何高效复制不同结构DataFrame的整列？
ID:21555 / 打印
python pandas 不同结构的 dataframe 整列复制
在 pandas 中，我们经常需要对不同结构的 dataframe 进行操作，其中一种常见情况是向一个 dataframe（例如 df1）添加来自另一个 dataframe（例如 df2）的整列。
对于这种场景，逐个单元格进行复制虽然可行，但效率较低。为了解决这个问题，我们可以使用以下方法：
- 将 df2 中想要复制的列与 df1 中的相应列合并为一个新的 series（例如 new_a）。
- 根据 df2 的形状和 df1 的形状，调整 df1 的索引，以匹配 new_a 的长度。
- 将 new_a 赋值给 df1 中的目标列（例如 'a'）。
下面是一个示例代码，演示了如何实现上述步骤：
import pandas as pd # 创建两个不同结构的 dataframe df1 = pd.dataframe({ 'a': range(4), 'b': range(4), 'c': range(4), 'd': range(4) }) df2 = pd.dataframe({ 'd': [11, 22, 33], 'e': ['aa', 'bb', 'cc'] }) # 创建新的 series，将 df2 的 'd' 列和 'e' 列合并到一起 new_a = pd.concat([df1['a'], df2['d'], df2['e']], ignore_index=true) # 调整 df1 的索引 df1 = df1.reindex(range(df2.shape[0] * 2 + df1.shape[0])) # 将 new_a 赋值给 df1 的 'a' 列 df1['a'] = new_a print(df1)输出：
A B C D E 0 0 0 0 0 aa 1 1 1 1 1 bb 2 2 2 2 2 cc 3 3 3 3 3 NaN 4 11 NaN NaN NaN NaN 5 22 NaN NaN NaN NaN 6 33 NaN NaN NaN NaN
