Pandas是Python中强大的数据分析库，但处理不同结构DataFrame间的列复制时，效率至关重要。本文介绍一种高效方法，避免逐行复制带来的性能瓶颈。

假设我们有两个结构不同的DataFrame，df1和df2，目标是将df2中的一列或多列复制到df1中，同时保持df1的原始结构。

以下代码演示了如何高效地完成此操作：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

import pandas as pd

# 创建示例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']
})

# 将df2的'D'列复制到df1的'A'列 (假设需要调整长度)
df1['A'] = df2['D'].reindex_like(df1['A']).values

# 将df2的'E'列添加到df1 (如果df1没有'E'列)
df1['E'] = df2['E'].reindex_like(df1['A']).values


# 打印结果
print(df1)

此方法利用reindex_like()函数调整df2列的索引，使其与df1对应列的索引匹配，然后使用.values属性高效地将数据赋值给df1。这比逐行复制效率更高，尤其在大数据集上。 如果df2的列长度短于df1，多余部分将填充缺失值（NaN）。 如果需要在df1中添加新的列（例如df2的'E'列），可以直接赋值。 这种方法简洁高效，适用于各种数据量的情况。

立即学习“Python免费学习笔记（深入）”；