pandas是python中強大的數據分析庫，但處理不同結構DataFrame間的列復制時，效率至關重要。本文介紹一種高效方法，避免逐行復制帶來的性能瓶頸。
假設我們有兩個結構不同的DataFrame，df1和df2，目標是將df2中的一列或多列復制到df1中，同時保持df1的原始結構。
以下代碼演示了如何高效地完成此操作：
import pandas as pd # 創建示例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'] }) # 將df2的'D'列復制到df1的'A'列 (假設需要調整長度) df1['A'] = df2['D'].reindex_like(df1['A']).values # 將df2的'E'列添加到df1 (如果df1沒有'E'列) df1['E'] = df2['E'].reindex_like(df1['A']).values # 打印結果 print(df1)
此方法利用reindex_like()函數調整df2列的索引，使其與df1對應列的索引匹配，然后使用.values屬性高效地將數據賦值給df1。這比逐行復制效率更高，尤其在大數據集上。 如果df2的列長度短于df1，多余部分將填充缺失值（NaN）。 如果需要在df1中添加新的列（例如df2的’E’列），可以直接賦值。 這種方法簡潔高效，適用于各種數據量的情況。
立即學習“Python免費學習筆記（深入）”；
? 版權聲明
文章版權歸作者所有，未經允許請勿轉載。
THE END
