如何合并pandas DataFrame与Series且合并结果无NaN值

实现方案 #

方案1：使用assign方法（最简洁，不修改原DataFrame） #

直接对Series解包作为assign的参数，pandas会自动将标量值广播到所有行：

result = df1.assign(**s1)

该方案代码量最少，返回新的DataFrame，不会改动原有的df1，适合绝大多数场景。

方案2：直接遍历赋值（会修改原DataFrame） #

如果允许修改原有df1，可以直接遍历Series的键值对给DataFrame新增列：

for col_name, value in s1.items():
    df1[col_name] = value
# 此时df1就是合并后的结果

该方案逻辑直观，适合需要直接修改原数据的场景。

方案3：使用concat合并 #

如果更习惯用拼接逻辑，可以先将Series转为单行DataFrame，再重复行和原DataFrame对齐后拼接：

# 将Series转为单行DataFrame，重复和df1行数一致的次数
s_df = s1.to_frame().T.reindex(df1.index, method="ffill")
result = pd.concat([df1, s_df], axis=1)

该方案适合后续需要扩展拼接逻辑的场景。

内容的提问来源于stack exchange，提问作者user16017809