索引不匹配时如何将DataFrame的两列添加至另一个DataFrame

问题场景 #

我有两个长度不同的DataFrame：

• 第一个DataFrame（记为first）有1200行，结构如下：

Date       Open       High        Low      Close  Adj Close  Volume
       2012-01-09  70.40 50.20  9.40      71.5          1.8      1.8       9447.0

• 第二个DataFrame（记为second）仅有1行，结构如下：

Name  Marcet Cap.   Symbol   Symbol2    Boerse Info.   Periode    ISIN         WKN 
Once      1         tpp.us     NaN             1          5Y    US010001      999000      

需要将second中的ISIN和WKN两列添加到first中，期望结果如下：

Date       Open       High      Low      Close  Adj Close  Volume  ISIN   WKN  
       2012-01-09  70.40 50.20  9.40      71.5     1.8      1.8       944   US0101 999000            

已尝试merge()、concat()方法出现KeyError，且first['ISIN']=second['ISIN'].values无效，求可行解决方案。

解决方案 #

方法1：直接提取标量赋值 #

由于second只有1行，直接提取ISIN和WKN的标量值，赋值给first的新列即可，Pandas会自动将标量广播到first的所有行：

first['ISIN'] = second['ISIN'].iloc[0]
first['WKN'] = second['WKN'].iloc[0]

如果second的索引不是默认的0，也可以用second['ISIN'].values[0]提取第一个元素，效果一致。

方法2：批量添加多列 #

如果需要一次性添加多列，可使用assign()方法结合字典推导式，高效提取目标列：

target_cols = ['ISIN', 'WKN']
first = first.assign(**{col: second[col].iloc[0] for col in target_cols})

关于之前方法无效的原因 #

• merge()和concat()需要匹配的键或轴对齐规则，未指定合适参数时会触发KeyError，而此场景无需合并/拼接逻辑，直接赋值更简洁。
• first['ISIN']=second['ISIN'].values无效大概率是索引对齐问题，提取标量而非Series/数组即可避免该问题。

内容的提问来源于stack exchange，提问作者Mostafa Bouzari