如何将pandas中源DataFrame的EXPIRATION列完整复制到行数更少的目标DataFrame

我明白你的问题了——当destination的行数比recent少的时候，直接执行destination['EXPIRATION']= recent['EXPIRATION']只会匹配两者的索引，把recent中前N行的EXPIRATION值填充到destination里，而recent中超出destination行数的那些行就丢失了。你需要让destination完整保留recent的所有EXPIRATION值，哪怕其他列都是NaN，这里有几种可行的解决方案：

方法1：重新索引对齐（推荐，保留原destination列结构和已有数据） #

这个方法会将destination的索引扩展到和recent一致，原有行的其他列数据保持不变，新增行的其他列自动填充NaN，然后再赋值EXPIRATION列：

import pandas as pd

recent = pd.read_excel(r'Y:\Attachments' + '\\' + '962021.xlsx')
print('HERE\n',recent)
print('HERE2\n', recent['EXPIRATION'])
destination= pd.read_excel(r'Y:\Attachments' + '\\' + 'Book1.xlsx')
print('HERE3\n', destination)

# 关键步骤：将destination的索引调整为和recent一致
destination = destination.reindex(recent.index)
# 此时赋值会覆盖所有匹配索引的EXPIRATION值，新增索引行自动填充对应值
destination['EXPIRATION']= recent['EXPIRATION']

print('HERE4\n', destination)

执行后，destination会拥有和recent相同的行数，前3行（原destination的行数）的其他列保持你读取时的NaN，EXPIRATION替换为recent的前3个值；后2行的所有列（除EXPIRATION外）都是NaN，EXPIRATION则是recent的第4、5个值，完全符合你的需求。

方法2：直接创建新的DataFrame（替换原destination，仅保留列结构） #

如果你不需要保留destination原有的任何数据，只想用它的列结构，然后填充recent的EXPIRATION值，可以直接创建一个新的DataFrame：

# 用recent的EXPIRATION列创建新DataFrame，指定列名为原destination的列名
destination = pd.DataFrame({'EXPIRATION': recent['EXPIRATION']}, columns=destination.columns)

这样生成的destination会和recent行数一致，只有EXPIRATION列有值，其他所有列都是NaN。

方法3：合并追加行（保留原destination数据，追加新行） #

如果你想保留destination原有的行数据，然后把recent中超出的行追加进去，可以用concat：

# 先把recent的EXPIRATION列转换成和destination同列结构的DataFrame
recent_exp_df = pd.DataFrame({'EXPIRATION': recent['EXPIRATION']}, columns=destination.columns)
# 合并原destination和recent中超出的部分，重置索引
destination = pd.concat([destination, recent_exp_df.iloc[len(destination):]], ignore_index=True)

这个方法会保留destination原有的3行数据，然后把recent中第4、5行的EXPIRATION值作为新行追加进去，新行的其他列都是NaN。

内容的提问来源于stack exchange，提问作者daniel