Pandas不同结构DataFrame如何整列复制？

小伙伴们对文章编程感兴趣吗？是否正在学习相关知识点？如果是，那么本文《Pandas不同结构DataFrame如何整列复制？》，就很适合你，本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点，希望对大家的知识积累有所帮助！

pandas不同结构的dataframe整列复制

对于具有不同结构的pandas dataframe，若要将其中一列复制到另一dataframe的特定列下，可以遵循以下步骤：

1. 将目标列与数据进行合并

使用pd.concat()函数将要复制的列与其他数据合并。例如，要将df2中的d列添加到df1中的a列下方，可以执行以下操作：

new_a = pd.concat([df1['a'], df2['d']], ignore_index=true)

2. 重置dataframe索引

为了确保dataframe中的行数与合并后的数据一致，需要使用reindex()函数重置df1的索引。

df1 = df1.reindex(range(df2.shape[0] + df1.shape[0]))

3. 赋值复制的列

最后，使用=运算符将合并后的列赋值给df1中的相应列。

df1['a'] = new_a

这样，df1的a列就添加了df2中的d列，两个dataframe的结构也保持一致。

示例代码：

import pandas as pd

# 初始化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']
})

# 合并列
new_a = pd.concat([df1['a'], df2['d'], df2['e']], ignore_index=true)

# 重置索引
df1 = df1.reindex(range(df2.shape[0] + df1.shape[0]))

# 赋值复制的列
df1['a'] = new_a

print(df1)

执行后的输出为：

   A   B   C   D  E
0  0   1  0  0  aa
1  1   2  1  1  bb
2  2   3  2  2  cc
3  3   0  3  3  NaN
4  0   1  4  4  NaN

理论要掌握，实操不能落！以上关于《Pandas不同结构DataFrame如何整列复制？》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！