Pandas如何高效复制不同结构DataFrame的整列？

百变鹏仔 5天前 #Python

文章标签高效

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 dataframedf1 = 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_aprint(df1)

输出：

   A    B  C  D    E0  0    0  0  0   aa1  1    1  1  1   bb2  2    2  2  2   cc3  3    3  3  3  NaN4  11  NaN  NaN  NaN  NaN5  22  NaN  NaN  NaN  NaN6  33  NaN  NaN  NaN  NaN

文章推荐

Pandas如何高效复制不同结构DataFrame的整列？

揭秘Python在人工智能开发中的成功故事

探索Python编程中的最佳就业机会

Python编程行业的最佳就业前景

企业招聘中，Python编程技能与其他编程语言的对比

了解Python编程技术职位，从而更好地规划你的职业发展