Pandas如何高效复制不同结构DataFrame的整列？

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：

1. 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）。
2. 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。
3. 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

以上就是Pandas如何高效复制不同结构DataFrame的整列？的详细内容，更多请关注硕下网其它相关文章！