如何将DataFrame行数据转列并合并至指定结构的空DataFrame？

问题场景 #

我有两个DataFrame：第一个包含某产品的统计数据，第二个是创建的空DataFrame。需要将第一个DataFrame中的数据提取并插入到第二个DataFrame中，目前仅掌握按行或列拼接数据的方法，该如何实现？

代码示例 #

product = 'PRDQM0011122TR131'
prod_results = pm.summary(trace_dict_prodlevel[product])
prod_results

prod_results的结构：

prod_results1 = pd.DataFrame(columns = ['product', 'slope_mean', 'slope_sd', 'int_mean', 'int_sd'])
prod_results1

prod_results1的初始结构：

期望输出 #

解决方案 #

方法1：用pd.concat拼接单行DataFrame（符合你熟悉的拼接逻辑） #

先从源DataFrame提取数据，构造出包含目标行的单行DataFrame，再用concat按行拼接到空DataFrame中：

# 提取源数据中的统计值
slope_mean = prod_results.loc['Slope', 'mean']
slope_sd = prod_results.loc['Slope', 'sd']
int_mean = prod_results.loc['Intercept', 'mean']
int_sd = prod_results.loc['Intercept', 'sd']

# 构造单行DataFrame
new_row_df = pd.DataFrame({
    'product': [product],
    'slope_mean': [slope_mean],
    'slope_sd': [slope_sd],
    'int_mean': [int_mean],
    'int_sd': [int_sd]
})

# 按行拼接两个DataFrame
prod_results1 = pd.concat([prod_results1, new_row_df], ignore_index=True)

方法2：用append插入字典行 #

通过字典构造行数据，直接追加到空DataFrame中（注意：append在pandas 2.0+版本已被标记为弃用，但仍可使用）：

new_row = {
    'product': product,
    'slope_mean': prod_results.loc['Slope', 'mean'],
    'slope_sd': prod_results.loc['Slope', 'sd'],
    'int_mean': prod_results.loc['Intercept', 'mean'],
    'int_sd': prod_results.loc['Intercept', 'sd']
}

prod_results1 = prod_results1.append(new_row, ignore_index=True)

方法3：直接用loc赋值 #

直接定位空DataFrame的行位置，赋值对应数据：

prod_results1.loc[0] = [
    product,
    prod_results.loc['Slope', 'mean'],
    prod_results.loc['Slope', 'sd'],
    prod_results.loc['Intercept', 'mean'],
    prod_results.loc['Intercept', 'sd']
]

内容的提问来源于stack exchange，提问作者bismah ghafoor