将 Pandas 系列作为列附加到 DataFrame [重复]

Question

我有类似 ['key','col1','col2','col3'] 的 panadas 数据框 (df)，并且我有 pandas 系列 (sr)，其索引与数据框中的 'key' 相同.我想在名为 col4 的新列中使用相同的“键”将该系列附加到数据框中。我有以下代码：

for index, row in segmention.iterrows():    
     df[df['key']==row['key']]['col4']=sr.loc[row['key']]

代码很慢。我认为应该有更有效和更好的方法来做到这一点。你能帮忙吗？

Answer 1

对于join，这确实是一个很好的用例，其中左侧数据框将列与右侧数据框/系列的索引对齐。您必须确保您的系列有一个名称才能正常工作

sr.name = 'some name'
df.join(sr, on='key')

Answer 2

使用map 提到的EdChum：

df['col4'] = df['key'].map(sr)
print (df)
   col1  col2  col3 key  col4
0     4     7     1   A     2
1     5     8     3   B     4
2     6     9     5   C     1

或分配set_index:

df = df.set_index('key')
df['col4'] = sr
print (df)
     col1  col2  col3  col4
key                        
A       4     7     1     2
B       5     8     3     4
C       6     9     5     1

如果不需要Series 中的align 数据，key 使用（参见区别2,1,4 与4,1,2）：

df['col4'] = sr.values
print (df)
   col1  col2  col3 key  col4
0     4     7     1   A     4
1     5     8     3   B     1
2     6     9     5   C     2

示例：

df = pd.DataFrame({'key':[1,2,3],
                   'col1':[4,5,6],
                   'col2':[7,8,9],
                   'col3':[1,3,5]}, index=list('ABC'))

print (df)
   col1  col2  col3  key
A     4     7     1    1
B     5     8     3    2
C     6     9     5    3

sr = pd.Series([4,1,2], index=list('BCA'))
print (sr)
B    4
C    1
A    2
dtype: int64

df['col4'] = df['key'].map(sr)
print (df)
   col1  col2  col3 key  col4
0     4     7     1   A     2
1     5     8     3   B     4
2     6     9     5   C     1

---

df = df.set_index('key')
df['col4'] = sr
print (df)
     col1  col2  col3  col4
key                        
A       4     7     1     2
B       5     8     3     4
C       6     9     5     1

Answer 3

你可以这样做：

df['col4'] = sr 

如果没有误会的话。