如何无需拼接DataFrame，从Numpy数组初始化带补充列的Pandas DataFrame？

当然有更简洁高效的方式！你完全可以一步到位构造出目标DataFrame，不用额外创建中间DataFrame再做拼接操作，既精简了代码，也减少了内存中临时对象的生成。

方法1：字典解包一次性构造 #

利用Python的字典解包语法（**），把基础列和重塑后的V列字典合并，直接传给pd.DataFrame：

import pandas as pd
import numpy as np

A = ['red', 'blue']
B = range(2)
C = np.random.random((4,2,2))

df = pd.DataFrame({
    'Color': np.repeat(A, 2),
    'Trial': np.tile(B, 2),
    **pd.DataFrame(C.reshape(4, 4)).add_prefix('V').to_dict('series')
})

方法2：分步合并字典（可读性更强） #

如果觉得一次性解包有点紧凑，也可以先分别定义基础列和V列的字典，再合并构造：

import pandas as pd
import numpy as np

A = ['red', 'blue']
B = range(2)
C = np.random.random((4,2,2))

# 先准备基础列字典
base_columns = {'Color': np.repeat(A, 2), 'Trial': np.tile(B, 2)}
# 生成V列的字典（键为V0/V1...，值为对应Series）
v_columns = pd.DataFrame(C.reshape(4, 4)).add_prefix('V').to_dict('series')

# 合并两个字典，构造完整DataFrame
df = pd.DataFrame({**base_columns, **v_columns})

方法3：链式assign操作 #

如果你喜欢流畅的链式代码风格，也可以用assign方法直接给初始DataFrame添加V列：

import pandas as pd
import numpy as np

A = ['red', 'blue']
B = range(2)
C = np.random.random((4,2,2))

df = pd.DataFrame({'Color': np.repeat(A,2), 'Trial': np.tile(B,2)}) \
    .assign(**pd.DataFrame(C.reshape(4,4)).add_prefix('V').to_dict('series'))

为什么这些方法更好？ #

这些方案都避免了pd.concat的额外步骤，直接在构造阶段完成所有列的整合：

• 代码更简洁，逻辑更连贯
• 减少了中间DataFrame对象的创建，在处理大规模数组时，内存占用和运行效率都会更优
• 保持了和原方案完全一致的输出结果

内容的提问来源于stack exchange，提问作者Alxander