如何将对应参与者的测量值列表复制并添加至DataFrame新列？

没问题，这其实是pandas里非常常见的操作，不管你的真实数据集多大都适用，我给你两种实用的方法：

方法一：直接赋值（顺序完全匹配时用） #

如果你的测量值列表顺序完全对应DataFrame里的每一行（也就是列表第n个元素对应DataFrame第n行的参与者），直接给新列赋值就行，简单又高效。

先举个示例：

import pandas as pd

# 模拟你的toy DataFrame
df = pd.DataFrame({
    'participant_id': [1, 2, 3, 4, 5],
    'gender': ['M', 'F', 'M', 'F', 'M']
})

# 对应每位参与者的单次测量值列表
measurements = [12.5, 14.2, 11.8, 15.3, 13.1]

# 添加新列，命名成你需要的名字就行
df['measurement'] = measurements

执行完之后，你的DataFrame就多了一列measurement，每个参与者的测量值都精准对应上了。这个方法对大规模数据也友好，pandas内部会高效处理，不会有性能问题。

方法二：字典映射（顺序不确定时用） #

要是你不确定列表和DataFrame的行顺序是否一致（毕竟真实数据可能会有排序、筛选操作导致顺序混乱），用字典映射的方法更稳妥，避免匹配错误。

示例如下：

# 先把测量值整理成「参与者ID: 测量值」的字典
measurements_dict = {1:12.5, 2:14.2, 3:11.8, 4:15.3, 5:13.1}

# 用map方法根据参与者ID匹配对应的测量值
df['measurement'] = df['participant_id'].map(measurements_dict)

这个方法会根据你指定的participant_id列去字典里找对应的值，不管DataFrame的行顺序怎么变，都能精准匹配，非常适合复杂的真实数据集。

注意事项 #

• 不管用哪种方法，要确保所有参与者都有对应的测量值，不然新列会出现NaN（缺失值），如果有缺失可以用fillna()处理。
• 如果列表长度和DataFrame行数不匹配，直接赋值会报错，这时候要先检查数据的一致性哦～

内容的提问来源于stack exchange，提问作者MeC