如何将字典按行名匹配添加至DataFrame指定列？缺失键补0

要实现这个需求，核心是让字典生成的序列和DataFrame的行索引完全对齐，缺失的键对应位置自动填充0，再赋值到目标列。具体步骤如下：

1. 将字典转换为Series并对齐索引
   利用pandas的reindex方法，以DataFrame的行索引（a到z）为基准重新排列字典生成的Series，同时指定fill_value=0来填充缺失的键（a和q）对应的值。

2. 赋值到DataFrame的a列
   将对齐后的Series直接赋值给DataFrame的'a'列即可。

完整代码示例 #

import pandas as pd

# 假设你已经有了行和列均为a-z的26×26 DataFrame
# 这里模拟生成一个示例DataFrame（如果已有可跳过此步）
letters = [chr(ord('a') + i) for i in range(26)]
df = pd.DataFrame(0, index=letters, columns=letters)

# 给定的字典
data_dict = {'b': 74, 'c': 725, 'd': 93, 'e': 601, 'f': 134, 'g': 200, 'h': 1253, 'i': 355, 'j': 5, 'k': 2, 'l': 324, 'm': 756, 'n': 317, 'o': 88, 'p': 227, 'r': 608, 's': 192, 't': 456, 'u': 152, 'v': 142, 'w': 201, 'x': 51, 'y': 10, 'z': 53}

# 将字典转为Series并对齐索引，缺失值填0
aligned_series = pd.Series(data_dict).reindex(df.index, fill_value=0)

# 赋值到a列
df['a'] = aligned_series

关键细节解释 #

• pd.Series(data_dict)：将字典转为Series，此时Series的索引是字典的键（缺少a和q）。
• reindex(df.index, fill_value=0)：重新索引为DataFrame的行索引（完整的a-z），缺失的索引项（a、q）对应的值自动填充为0。
• 直接赋值df['a'] = aligned_series：因为Series的索引和DataFrame的行索引完全匹配，所以会按行对应填充到a列。

内容的提问来源于stack exchange，提问作者DSC