如何将子集DataFrame的公共列值填充至空骨架DataFrame

针对你提出的需求——将子集DataFrame的行数据填充到空的骨架DataFrame中，其余列补0，这里有两种实用的实现方法：

方法1：使用reindex（推荐） #

reindex可以直接将你的子集DataFrame的列对齐到骨架的列结构，同时指定缺失列的填充值为0，代码非常简洁：

import pandas as pd

# 构造示例数据
columns = [f'col{i}' for i in range(1, 11)]
df_skeleton = pd.DataFrame(columns=columns)
df = pd.DataFrame({'col1': [23], 'col3': [45], 'col7': [10]})

# 核心操作：重新索引并填充0
df_skeleton = df.reindex(columns=df_skeleton.columns, fill_value=0)

运行后得到的结果完全符合你的预期：

col1  col2  col3  col4  col5  col6  col7  col8  col9  col10
0    23     0    45     0     0     0    10     0     0      0

方法2：合并后填充NaN为0 #

如果习惯用合并的思路，也可以通过pd.concat将子集DataFrame合并到空骨架中，再把缺失值（NaN）替换为0：

import pandas as pd

# 构造示例数据
columns = [f'col{i}' for i in range(1, 11)]
df_skeleton = pd.DataFrame(columns=columns)
df = pd.DataFrame({'col1': [23], 'col3': [45], 'col7': [10]})

# 合并后填充0
df_skeleton = pd.concat([df_skeleton, df], ignore_index=True).fillna(0)

注意：旧版pandas中的append方法已经被弃用，所以推荐使用pd.concat来完成合并操作。

两种方法都能完美实现需求，个人更推荐第一种reindex的方式，因为它直接针对列对齐场景，逻辑更清晰，执行效率也更高。

内容的提问来源于stack exchange，提问作者Imran Ahmad Ghazali