在数据处理中，常需将一个DataFrame的列复制到另一个结构不同的DataFrame中。本文介绍一种高效的Pandas整列复制方法，避免逐单元格复制的低效。
假设有两个结构不同的DataFrame，df1和df2，目标是将df2的某列复制到df1的对应列。
以下代码示例演示如何将df2的列数据复制到df1：
import pandas as pd
# 示例DataFrame df1
df1 = pd.DataFrame({
'A': range(4),
'B': range(4),
'C': range(4),
'D': range(4)
})
# 示例DataFrame df2
df2 = pd.DataFrame({
'D': [11, 22, 33],
'E': ['aa', 'bb', 'cc']
})
# 方法一：利用`loc`进行高效赋值 (推荐)
df1['A'] = df2['D'].reset_index(drop=True)[:df1.shape[0]]
df1['B'] = df2['E'].reset_index(drop=True)[:df1.shape[0]]
# 方法二：使用`concat`和`reindex` (原方法改进)
new_A = pd.concat([df1['A'], df2['D']], ignore_index=True)
df1 = df1.reindex(range(len(new_A)))
df1['A'] = new_A[:df1.shape[0]]
# 打印结果
print(df1)
方法一：使用loc进行高效赋值
此方法直接使用loc进行赋值，效率更高，并且更简洁易懂。reset_index(drop=True)重置索引，[:df1.shape[0]]确保复制的长度与df1匹配，避免索引错位。
方法二：改进后的concat和reindex方法
此方法对原代码进行了改进，使其更清晰、更易于理解和维护。 它避免了不必要的行数扩展，只在需要时才进行reindex操作。
两种方法都能高效地将df2的列复制到df1，选择哪种方法取决于个人偏好和代码风格。 但loc方法通常被认为更简洁高效。 记住，在处理大型数据集时，高效的列复制方法至关重要。
以上就是在Pandas中如何高效地将不同结构的DataFrame整列复制？的详细内容，更多请关注知识资源分享宝库其它相关文章！
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。