如何将较长的NumPy数组适配到更宽但行数更少的Pandas DataFrame中

没问题，我来帮你搞定这个需求！首先咱们先明确下原数据的细节：你定义的p其实默认把第一行当成了数据，所以第一步得先把它修正成你展示的带表头的结构，然后再处理数组b的插入和列填充。

步骤1：修正原DataFrame p的结构 #

你写的p创建代码会把["j","k","h"]当成第一行数据，所以我们需要先把这行设为列名，然后去掉这行数据：

import pandas as pd
import numpy as np

# 原定义
p = pd.DataFrame([["j","k","h"],[4,5,6],[7,8,9]])
# 修正表头
p.columns = p.iloc[0]
p = p[1:]

修正后的p结构就和你展示的一致了：

j  k  h
1  4  5  6
2  7  8  9

步骤2：处理NumPy数组b并生成目标DataFrame #

我们需要把b的第一列放到p的第一列（j列），然后把b的第二列重复填充到p剩下的所有列（k和h列）。这里有两种简洁的实现方式：

方法一：用NumPy的数组拼接

利用np.tile重复第二列，再和第一列拼接：

# 定义数组b
b = np.array([["a",10],["b",20],["c",30],["d",40]])

# 提取b的第一列
first_col = b[:, 0]
# 把b的第二列重复(p的列数-1)次，转置后和第一列拼接
repeat_cols = np.tile(b[:, 1], (p.shape[1]-1, 1)).T
new_data = np.column_stack([first_col, repeat_cols])

# 创建目标DataFrame，用p的列名
result = pd.DataFrame(new_data, columns=p.columns)

方法二：用Pandas的字典构造

直接通过字典指定每一列的数据源，更直观：

# 把b转成临时DataFrame
b_df = pd.DataFrame(b, columns=['col0', 'col1'])

# 构造目标DataFrame：第一列用b的第一列，剩余列都用b的第二列
result = pd.DataFrame({
    p.columns[0]: b_df['col0'],
    **{col: b_df['col1'] for col in p.columns[1:]}
})

最终结果 #

运行任意一种方法后，result的结构就是你想要的：

j   k   h
0  a  10  10
1  b  20  20
2  c  30  30
3  d  40  40

内容的提问来源于stack exchange，提问作者Ray Li