相同索引的 dataframe 间列值的批量赋值（数据类型要匹配）

212 阅读 0 评论 140 点赞

现有时间序列 df_B，及新定义的 df_A，其时间索引与 df_B 相同，但是两者列名不同：

df_A = pd.DataFrame(index=df_B.index, columns=cols_a)

想从df_B 中取一列值，成批赋值给 df_A 中的某一列，常规的代码是：

df_A[col_name_A] = df_B[col_name_B]

或者

df_A[col_name_A] = df_B[col_name_B].values.tolist()

但是实际执行时始终无法赋值成功，最后发现原因在 df_A 定义上，因为定义时没有指定数据类型，而赋值时都是 float 的数据，pandas不会自动匹配，因此赋值不成功，将 df_A 的定义代码改为：

df_A = pd.DataFrame(0.， index=df_B.index, columns=cols_a)

之后赋值成功。

以上就是狂野电灯胆最近收集整理的关于相同索引的 dataframe 间列值的批量赋值（数据类型要匹配）的全部内容，更多相关相同索引的内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。