Pandas实现：将选中行的列值替换为另一个DataFrame的行值

现有unique_allocations是一个包含4行不同数值的DataFrame（例如值为[1,2,3,4]），需求是将filtered_processed_full的每一行复制4次生成curr_df，并将curr_df的allocation_columns列替换为unique_allocations的对应值。

示例预期效果：
初始curr_df：

转换后目标：

但执行以下代码后，allocation_columns列并未按预期修改：

import pandas as pd

for idx, row in filtered_processed_full.iterrows():
    curr_df = pd.DataFrame()
    for i in range (4):
        curr_df = curr_df.append(row)
    curr_df[allocation_columns] = unique_allocations
    with pd.option_context('display.max_rows', None,
                       'display.max_columns', None,
                       'display.precision', 3,
                       ):
        print(curr_df[allocation_columns])

问题根源 #

1. 循环append导致索引不匹配：循环逐行append生成的curr_df，索引是原行索引的重复（比如原行索引为0，curr_df索引会是[0,0,0,0]），而unique_allocations索引通常是[0,1,2,3]，直接赋值时Pandas会按索引匹配，导致重复赋值第一个值，无法实现预期。
2. 赋值逻辑未按位置匹配：直接用curr_df[col] = df会优先按索引对齐，而非按行的位置顺序赋值。

修正代码 #

方式一：优化行复制+按位置赋值

用pd.DataFrame([row]*4)快速生成复制后的DataFrame，再通过.values忽略索引，按位置直接赋值：

import pandas as pd

for idx, row in filtered_processed_full.iterrows():
    # 快速生成4行重复的curr_df，索引自动重置为0-3
    curr_df = pd.DataFrame([row]*4)
    # 按位置赋值，跳过索引对齐
    curr_df[allocation_columns] = unique_allocations.values
    with pd.option_context('display.max_rows', None,
                           'display.max_columns', None,
                           'display.precision', 3,
                           ):
        print(curr_df[allocation_columns])

方式二：批量高效处理（避免逐行循环）

如果filtered_processed_full行数较多，逐行循环效率低，可直接批量处理整个DataFrame：

import pandas as pd

# 将原DataFrame的每一行复制4次
expanded_df = filtered_processed_full.loc[filtered_processed_full.index.repeat(4)].reset_index(drop=True)
# 按位置赋值重复的unique_allocations值（对应每4行一组）
expanded_df[allocation_columns] = pd.concat([unique_allocations]*len(filtered_processed_full), ignore_index=True).values

# 按原逻辑逐组打印
for idx in range(0, len(expanded_df), 4):
    curr_df = expanded_df.iloc[idx:idx+4]
    with pd.option_context('display.max_rows', None,
                           'display.max_columns', None,
                           'display.precision', 3,
                           ):
        print(curr_df[allocation_columns])

说明 #

• 用[row]*4生成重复行再转DataFrame，会自动生成连续索引0-3，和unique_allocations的行位置对应。
• 使用.values获取unique_allocations的数值数组，赋值时会直接按行顺序填充，跳过Pandas的索引对齐逻辑，确保值对应正确。

内容的提问来源于stack exchange，提问作者Gooby