如何为索引不同的同长度DataFrame实现列赋值操作？

因为pandas赋值时默认会按索引匹配，所以直接赋值才会出现不匹配的NaN。不用重置索引的话，有以下几种高效的实现方式：

方法1：直接赋值底层数值数组 #

利用Series.values直接获取数组，跳过索引匹配逻辑，按位置赋值，这是开销最低的方式：

import pandas as pd

first = pd.DataFrame({"index": [0, 15, 30], "value": [2.2, 2.2, 2.2]})
second = pd.DataFrame({"value": [3.2, 3.2, 3.2]})
first = first.set_index("index")

# 直接赋值values数组
first['value'] = second['value'].values

方法2：使用to_numpy()方法 #

和values效果一致，是pandas推荐的更清晰的写法：

first['value'] = second['value'].to_numpy()

方法3：通过iloc按位置赋值 #

利用iloc定位所有行，强制按位置赋值：

first['value'] = second['value'].iloc[:]
# 或者更明确的写法
first.iloc[:, first.columns.get_loc('value')] = second['value'].iloc[:]

这些方法都不会修改原DataFrame的索引结构，完全按行的位置对应赋值，避免了reset_index的额外开销。

内容的提问来源于stack exchange，提问作者roulette01