Pandas如何按索引列组合从已有DataFrame填充目标空DataFrame

你有两个标签取值范围完全一致的DataFrame：

• df1：行索引、列索引均无重复值，已完成全部数值填充
• df2：行索引、列索引包含重复值，初始为空，需要按照「行标签+列标签」的组合匹配规则，将df1中的对应数值填充到df2中

示例初始代码如下：

import pandas as pd

df1 = pd.DataFrame({'Ind':pd.Series([1,2,3,4]),1:pd.Series([1,0.2,0.2,0.8])
                    ,2:pd.Series([0.2,1,0.2,0.8]),3:pd.Series([0.2,0.2,1,0.8])
                    ,4:pd.Series([0.8,0.8,0.8,1])})
df1 = df1.set_index(['Ind'])

df2 = pd.DataFrame(columns = [1,1,2,2,3,4], index=[1,1,2,2,3,4])

填充后预期效果：

直接用reindex按df2的行列标签顺序展开df1的数值，再按位置赋值即可，全程为矢量化操作无循环，性能最优，不会出现标签错位问题：

# 按df2的行、列标签顺序重排df1（自动适配重复标签），再按位置赋值给df2
df2.loc[:, :] = df1.reindex(index=df2.index, columns=df2.columns).to_numpy()

执行上述代码后打印df2，输出结果和预期完全一致：

1    1    2    2    3    4
1  1.000  1.0  0.2  0.2  0.2  0.8
1  1.000  1.0  0.2  0.2  0.2  0.8
2  0.200  0.2  1.0  1.0  0.2  0.8
2  0.200  0.2  1.0  1.0  0.2  0.8
3  0.200  0.2  0.2  0.2  1.0  0.8
4  0.800  0.8  0.8  0.8  0.8  1.0

• 不要直接使用df2 = df1.loc[df2.index, df2.columns]赋值：pandas在遇到重复行列标签时会触发特殊维度匹配逻辑，新版本会抛出性能警告，部分低版本会直接报维度不匹配错误
• 不要使用逐行逐列循环的方式填充：数据量较大时循环性能会出现量级下降，上述reindex方案为pandas原生矢量化实现，性能和普通DataFrame赋值无差异

内容的提问来源于stack exchange，提问作者user3251889