将指定标签的DataFrame列复制到新DataFrame时列错位问题求助

先看你代码里的几个关键点，我发现可能有两个核心问题导致数据错位：

1. 首先是明显的笔误 #

你前面读取的待处理数据是newData = pd.read_csv('ChermsideStock.csv', header=0)，但后面赋值的时候用的是newData3——这个变量根本没定义啊！如果实际运行没报错，那大概率是你代码里写错了变量名，先把这个修正过来，换成newData。

2. 核心问题：pandas的.loc是按索引对齐赋值，不是按行位置 #

这是很多新手容易踩的坑：当你用currentDataToAdd.loc[:, 'sku'] = newData.loc[:, 'Barcode']时，pandas会把两个DataFrame的索引对应起来赋值，而不是简单地把第一行放到第一行、第二行放到第二行。

举个例子：如果currentDataToAdd的索引是[0,1,2,3]，但newData的索引因为某种原因变成了[1,2,3,4]，那赋值后currentDataToAdd的第0行就会是空值，第1-3行对应newData的1-3行，第4行又空了，看起来就是数据整体错位了。

给你两个靠谱的解决方案： #

方案一：绕过索引对齐，直接按位置赋值

用.iloc结合列位置来赋值，这样完全不看索引，只按行的顺序来填数据：

# 先修正笔误，把newData3换成newData
# 找到目标列的位置，然后赋值
currentDataToAdd.iloc[:, currentDataToAdd.columns.get_loc('sku')] = newData['Barcode'].values
currentDataToAdd.iloc[:, currentDataToAdd.columns.get_loc('name')] = newData['Description'].values
currentDataToAdd.iloc[:, currentDataToAdd.columns.get_loc('tax_name')] = newData['Sales_Tax'].values
currentDataToAdd.iloc[:, currentDataToAdd.columns.get_loc('supply_price')] = newData['Cost'].values
currentDataToAdd.iloc[:, currentDataToAdd.columns.get_loc('retail_price')] = newData['Sell'].values

这里的.values会把Series转换成numpy数组，直接按顺序填充到目标列里。

方案二：重新构造DataFrame（更简洁可靠）

直接从newData中提取需要的列，重命名后对齐原currentDataToAdd的列顺序：

# 定义列名映射关系：目标列名 -> 原数据列名
column_mapping = {
    'sku': 'Barcode',
    'name': 'Description',
    'tax_name': 'Sales_Tax',
    'supply_price': 'Cost',
    'retail_price': 'Sell'
}

# 提取需要的列并重命名
formatted_data = newData[list(column_mapping.values())].rename(
    columns=dict(zip(column_mapping.values(), column_mapping.keys()))
)

# 确保列顺序和原currentDataToAdd完全一致
currentDataToAdd = formatted_data[currentDataToAdd.columns]

这种方式一步到位，既保证了列名正确，又能让列顺序和你原来的空DataFrame完全匹配，不会出现错位问题。

额外检查点： #

• 运行print(currentDataToAdd.columns)确认空DataFrame的列名和你预期的一致，避免读取csv时header解析错误
• 确认newData和currentDataToAdd的行数一致，如果行数不一样，赋值后会出现NaN值，也可能看起来像错位

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