如何使用数值数组批量更新Pandas DataFrame的指定列？

需求说明 #

我有一个Pandas DataFrame和一个数值数组，想要把数组的数据更新到DataFrame中，具体示例如下：

输入 #

DataFrame：

Time | 1 | 2 | 3 | 4 | 5 |
prod1| 0 | 0 | 0 | 0 | 0 |
prod2| 0 | 0 | 0 | 0 | 0 |
prod3| 0 | 0 | 0 | 0 | 0 |

数组：

productList = [3,4,5]

输出 #

Time | 1 | 2 | 3 | 4 | 5 |
prod1| 0 | 0 | 3 | 3 | 3 |
prod2| 0 | 0 | 4 | 4 | 4 |
prod3| 0 | 0 | 5 | 5 | 5 |

我的尝试代码 #

import pandas as pd
import numpy

Product_matrix = pd.DataFrame(index=['Prod1','Prod2','Prod3','Prod4','Prod5'], columns=[x for x in range(1,30)])
Product_matrix[:] = 0

a = Product_matrix
b = numpy.transpose([6,5,7,0,0])
a.iloc[:,3:6] = [x + b for x in a.iloc[:,3:6]]
print(a)

解决方案 #

核心思路 #

利用Pandas的广播机制，将一维数组转换为匹配DataFrame行维度的二维列向量，直接赋值到目标列区间，避免错误的循环操作。

针对示例需求的实现代码 #

import pandas as pd
import numpy as np

# 初始化示例DataFrame
df = pd.DataFrame(
    [[0,0,0,0,0], [0,0,0,0,0], [0,0,0,0,0]],
    index=['prod1', 'prod2', 'prod3'],
    columns=[1,2,3,4,5]
)

productList = [3,4,5]

# 方法1：手动构造每行重复的列表
df.iloc[:, 2:] = [[val]*3 for val in productList]

# 方法2：利用numpy重塑数组实现广播（更简洁）
# df.iloc[:, 2:] = np.array(productList).reshape(-1, 1)

print(df)

修复你的尝试代码 #

你的代码问题在于循环迭代的是DataFrame的列，导致维度不匹配。修改后如下：

import pandas as pd
import numpy as np

Product_matrix = pd.DataFrame(index=['Prod1','Prod2','Prod3','Prod4','Prod5'], columns=[x for x in range(1,30)])
Product_matrix[:] = 0

# 将数组转为二维列向量，匹配行维度
b = np.array([6,5,7,0,0]).reshape(-1, 1)
# 赋值到第4至第6列（iloc[:,3:6]对应列索引3、4、5）
Product_matrix.iloc[:,3:6] = b

print(Product_matrix)

内容的提问来源于stack exchange，提问作者Kang H.