Python Pandas向已有DataFrame新增列时数值全部重复如何解决

问题根因 #

你遇到的问题是Pandas的索引对齐机制导致的：

• 你通过循环append生成df_new时，每次新增的行都是从索引0开始的新DataFrame，最终df_new所有行的索引都是0
• 分组求和得到的a的索引是0~13的连续整数，插入列时Pandas会按行索引匹配取值，导致df_new所有行都取到了a中索引为0的islam值，所以全列数值相同
  另外注意你贴的df_new结构列名为years，但生成代码里写的列名是year，需要先统一列名避免匹配错误。

优化+解决方法 #

第一步：优化df_new生成方式（可选，建议修改） #

循环append性能极低，直接一行代码生成即可，天然避免索引异常问题：

import pandas as pd
df_new = pd.DataFrame({'year': range(1945, 2011, 5)})

第二步：匹配islam数值 #

推荐用merge方法，不受年份顺序影响，匹配最稳妥：

# 先计算每年islam的求和值
yearly_islam = df.groupby('year', as_index=False)['islam'].sum()
# 按year列关联两个表，自动匹配对应数值
df_new = df_new.merge(yearly_islam, on='year', how='left')

如果不想用merge，也可以重置索引后直接赋值：

# 重置df_new的索引，删除原来的全0旧索引
df_new = df_new.reset_index(drop=True)
# 转成列表赋值，跳过索引对齐逻辑
df_new['islam'] = df.groupby('year')['islam'].sum().tolist()

注意事项 #

如果最终islam列出现空值，说明原df中缺少对应年份的数据，可检查原df的year列是否覆盖了1945-2010所有间隔5年的取值。

内容的提问来源于stack exchange，提问作者luthierz