Python 将数据帧列添加到新数据帧

使用Pandas，我有一些数据要添加到我的“结果”数据框中。就是我有

naics=某些数据

看起来像这样

   indnaics  ind1990
89    81393      873

但是，它可以有多行。我想将它们与名为year的变量一起添加到我的

结果

数据框中。如果有多行，则所有行的

year

值应相同。这就是我目前正在尝试的

for job in jobs:
    df2 =  iGetThisFromJob()
    years = df2.year.unique()
    naics = iGetThisFromJob()
    if len(naics) == 0:
        continue

    for year in years:
        wages = df2.incwage[df2.year == year]
    # Add all the data to results, this is how I try it
        rows = pd.DataFrame([dict(year=year, incwage=mean(wages), )])
    # I also want to add the column indnaics from my naics 
        rows['naics'] = naics.indnaics
        results = results.append(rows, ignore_index=True)

但是，尽管naics.indnaics已满，但我无法以这种方式将其添加到rows对象

奈克斯

行['naics']=naics.indnaics 排

如果我的代码还有什么不好的地方，请告诉我。我才刚刚开始学熊猫

谢谢

/编辑 预期产出：

        incwage  year   naics
0  45853.061224  2002   81393
0  45853.061224  2002   12312

/编辑 建议的解决办法：

index = arange(0, len(naics))
columns = ['year', 'incwage', 'naics']
rows = pd.DataFrame(index=index, columns=columns)
rows.year = year
rows.incwage = mean(wages)
rows.naics = naics.indnaics.values

---

获取NaN值的原因是索引不匹配（在

行['naics']=naics.indnaics

行

中索引为0，而

naics.indnaics

中索引为89），分配该值将尝试对齐索引

例如，您可以通过只获取值来解决这个问题（例如通过

naics.indnaics.values

）。以玩具为例：

In [30]: df = pd.DataFrame({'A':[0], 'B':[1]})
In [31]: df
Out[31]: 
   A  B
0  0  1


In [32]: s = pd.Series([2], index=[83])
In [33]: s
Out[33]: 
83    2
dtype: int64

In [35]: df['new_column'] = s
In [36]: df
Out[36]: 
   A  B  new_column
0  0  1         NaN

In [37]: df['new_column'] = s.values
In [38]: df
Out[38]: 
   A  B  new_column
0  0  1           2

如果要添加可能包含更多值的序列，有几个选项。我想到：

例如，首先将数据帧重新索引为序列的长度：

In [75]: s
Out[75]: 
83    2
84    4
dtype: int64

In [76]: df
Out[76]: 
   A  B
0  0  1

In [77]: df = df.reindex(np.zeros(len(s)))
In [78]: df
Out[78]: 
   A  B
0  0  1
0  0  1

In [79]: df['new_column'] = s.values

In [80]: df
Out[80]: 
   A  B  new_column
0  0  1           2
0  0  1           4

或者反过来，将数据帧添加到序列中（首先转换为数据帧）：

---

你能给出一个具体的数据框架例子来说明这个问题吗？以及该示例的预期输出。因此，一个示例

df2

和

naics

我认为我的输出最终足够了-它显示了naics的格式，以及行实际变成什么（NaN-而不是变成81393）和df2实际上与我问题的这一部分无关，因为代码的这一部分起作用（incwage和year都有正确的值）-我只是把它放在这里，就我正在尝试做的事情给出正确的想法。总是很难猜测发生了什么，当然也很难看到如果你不能自己快速尝试的话如何解决它（除非它是非常明显的）。因此，请尽量提供一个简短的、我们可以运行的自包含示例（请参阅）。此外，很有可能您可以更简单地完成整个for循环，但如果我们不知道发生了什么，则很难给出建议），当naics包含一行时，该循环有效，但当它包含两行时则无效。它会引发

ValueError:值的长度与索引的长度不匹配

OK，但是预期的输出是什么？如何将两个元素添加到一列（当dataframe只有一行时）？它应该重复其他值-我将其添加到问题中的/edit中。如果没有这个索引问题，我认为这将是熊猫的标准行为。您将向数据帧添加一列，这样只会添加一列，而不会更改列的其余部分。所以我想没有比我上次编辑的问题更干净的方法了？

In [30]: df = pd.DataFrame({'A':[0], 'B':[1]})
In [31]: df
Out[31]: 
   A  B
0  0  1


In [32]: s = pd.Series([2], index=[83])
In [33]: s
Out[33]: 
83    2
dtype: int64

In [35]: df['new_column'] = s
In [36]: df
Out[36]: 
   A  B  new_column
0  0  1         NaN

In [37]: df['new_column'] = s.values
In [38]: df
Out[38]: 
   A  B  new_column
0  0  1           2

In [75]: s
Out[75]: 
83    2
84    4
dtype: int64

In [76]: df
Out[76]: 
   A  B
0  0  1

In [77]: df = df.reindex(np.zeros(len(s)))
In [78]: df
Out[78]: 
   A  B
0  0  1
0  0  1

In [79]: df['new_column'] = s.values

In [80]: df
Out[80]: 
   A  B  new_column
0  0  1           2
0  0  1           4

In [90]: ss = s.to_frame().set_index(np.array([0,0]))
In [91]: ss[df.columns] = df
In [92]: ss
Out[92]: 
   0  A  B
0  2  0  1
0  4  0  1

[2 rows x 3 columns]