Pandas从另一DataFrame添加列报错问题求助

方案1：按位置直接赋值（跳过索引对齐） #

不依赖索引匹配，直接将df2列的数值按位置写入df1，长度不足的位置自动补NaN：

import pandas as pd

df1 = pd.DataFrame({'carno': [101, 102, 103, 101], 'sales': [1, 2, 6, 8]})
df2 = pd.DataFrame({'jeepno': [107, 108], 'jsales': [3, 9]})

# 直接用数组赋值，忽略索引
df1['jeepno'] = df2['jeepno'].values
df1['jsales'] = df2['jsales'].values

执行后结果：

carno  sales  jeepno  jsales
0    101      1   107.0     3.0
1    102      2   108.0     9.0
2    103      6     NaN     NaN
3    101      8     NaN     NaN

方案2：使用concat列拼接 #

通过pd.concat按列合并两个DataFrame，自动补全短列的NaN：

# 重置df2索引确保和df1默认索引对齐
df1 = pd.concat([df1, df2.reset_index(drop=True)], axis=1)

方案3：显式重新索引df2列 #

将df2的列重新对齐到df1的索引，自动填充NaN后再赋值：

df1['jeepno'] = df2['jeepno'].reindex(df1.index)
df1['jsales'] = df2['jsales'].reindex(df1.index)

Python3.6通常搭配低版本的pandas（如0.23.x及更早），这类版本对索引对齐的校验更严格：当直接赋值长度更短的Series到DataFrame时，若两者索引无法完全匹配（或目标DataFrame存在重复索引），就会抛出ValueError: cannot reindex from a duplicate axis。而Python3.10搭配的高版本pandas（如1.0+）会自动将未匹配的索引位置填充为NaN，因此不会报错。

内容的提问来源于stack exchange，提问作者Mohammed Shaheer