pandas如何合并两个不等长DataFrame 实现单行表值重复填充至多行

不需要做复杂的表连接逻辑，pandas原生就支持几种高效实现方式，完全匹配你需要的输出效果：

方法1：直接广播赋值（最省资源，会修改原df1） #

pandas支持把单个标量值自动填充到整列，只需要遍历df2的列，把对应列的单行值取出来赋值给df1的新列即可：

# 遍历df2的所有列，取每列的第一个（也是唯一一个）值，广播填充到df1的新列
for col in df2.columns:
    df1[col] = df2[col].iloc[0]

运行后df1直接生成你期望的带固定a、b、c值的4行结果，没有临时中间表开销。

方法2：横向拼接（不修改原df1） #

如果需要保留原df1的内容不被改动，可以先把df2的单行重复到和df1相同的行数，再按索引横向拼接：

# 把df2的单行重复len(df1)次，重置索引后和df1按列拼接
df_result = pd.concat([
    df1,
    df2.loc[df2.index.repeat(len(df1))].reset_index(drop=True)
], axis=1)

方法3：交叉连接（代码最短，适配新版pandas） #

pandas 1.2.0及以上版本支持交叉连接模式，因为df2只有1行，交叉连接的结果天然就是df1的每一行都匹配df2的这行固定值：

df_result = df1.merge(df2, how="cross")

注意事项 #

• 不要直接写df1[col] = df2[col]这类赋值逻辑，两个表的索引不匹配会导致整列出现NaN值，一定要通过iloc[0]取到具体的标量值再赋值
• 上述方法仅适用于df2为单一行的场景，如果后续df2行数大于1，需要根据实际的列匹配规则调整合并逻辑，不能直接套用

内容的提问来源于stack exchange，提问作者Martin Yordanov Georgiev