向Pandas DataFrame添加列触发性能警告，求pd.concat优化方案

问题原因 #

每次通过df_result[col_name] = data单独添加列，都会导致DataFrame内部结构碎片化，Pandas因此抛出性能警告，这种方式的运行效率也极低。

正确的pd.concat用法 #

核心思路是一次性准备好所有要添加的列，再合并到原DataFrame，具体分两种场景处理：

场景1：AlbedoSurf_irradiance是数组/Series的列表 #

先将每个元素转为带指定列名的Series（需确保索引与原DataFrame一致，避免值错位），再批量合并：

import pandas as pd

# 1. 批量生成带列名的Series列表
cols_to_add = []
for idx, data in enumerate(AlbedoSurf_irradiance):
    col_name = f"Albedo_Surface_Irradiance_{idx} [W/m²]"
    new_col = pd.Series(data, name=col_name, index=df_result.index)
    cols_to_add.append(new_col)

# 2. 一次性合并原DataFrame和所有新列
df_result = pd.concat([df_result] + cols_to_add, axis=1)

也可以用更简洁的列表推导式实现：

cols_to_add = [
    pd.Series(data, name=f"Albedo_Surface_Irradiance_{i} [W/m²]", index=df_result.index)
    for i, data in enumerate(AlbedoSurf_irradiance)
]
df_result = pd.concat([df_result] + cols_to_add, axis=1)

场景2：AlbedoSurf_irradiance本身是DataFrame #

直接重命名原有列后合并即可：

# 批量重命名列
AlbedoSurf_irradiance.columns = [
    f"Albedo_Surface_Irradiance_{i} [W/m²]" 
    for i in AlbedoSurf_irradiance.columns
]
# 一次性合并到原DataFrame
df_result = pd.concat([df_result, AlbedoSurf_irradiance], axis=1)

为什么之前的尝试无效 #

你之前用df_result[[col1, col2,...]] = (data1, data2)的方式，右侧是元组结构，Pandas无法将其正确解析为匹配列的二维数据格式，因此无法生效。必须确保待添加的列是DataFrame或多个Series的集合，而pd.concat正好适配这种批量合并场景。

碎片化后的结构修复 #

如果已经出现DataFrame碎片化问题，可通过以下代码整理结构：

df_result = df_result.copy()

内容的提问来源于stack exchange，提问作者E. M.