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：
import pandas as pd# 创建示例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']})# 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）”；
以上就是在Python中如何高效地将一个DataFrame的整列复制到另一个结构不同的DataFrame中？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1359951.html
微信扫一扫 
支付宝扫一扫 
