如何高效将numpy数组拼接到pandas DataFrame的每一行

实现方法 #

方案1：向量化操作（性能最优，适合大数据量） #

全程使用numpy向量化运算，无Python层面循环，处理百万行级数据也能保持极高效率：

import pandas as pd
import numpy as np

# 原始数据
df = pd.DataFrame({'x': range(0,5), 'y' : range(1,6)})
s = np.array(['a', 'b', 'c'])

# 核心逻辑
# 按s的长度重复df的每一行
result = df.loc[df.index.repeat(len(s))].copy()
# 把s重复对应次数后赋值为新列
result['new_col'] = np.tile(s, len(df))
# 可选：重置为连续索引
result = result.reset_index(drop=True)

方案2：简洁写法（易读性高，适合日常使用） #

用pandas内置的assign+explode实现，代码更短，性能满足绝大多数场景需求：

result = df.assign(new_col=[s]*len(df)).explode('new_col', ignore_index=True)

内容的提问来源于stack exchange，提问作者PingPong