Python 为什么df[“columna”]=df_2[“ColumnB”]不能按预期工作？

给定两个

数据帧

：

#df1
value         Symbol       Date   Type        Value
1109914    AUD 2016-01-29  value   64587.9121    
1109949    CAD 2016-01-29  value   65357.1429
1109970    CHF 2016-01-29  value  111881.8681
1110012     DX 2016-01-29  value   91256.4103

#df2
volas         Symbol       Date  Type     Value
1109915    AUD 2016-01-29  vola  518.5091
1109950    CAD 2016-01-29  vola  360.9474
1109971    CHF 2016-01-29  vola  767.1880
1110013     DX 2016-01-29  vola  495.8913
1110041    EUR 2016-01-29  vola  876.6861
1110062    GBP 2016-01-29  vola  462.6425

如果我想从df2向df1添加一个列d，我自然会尝试以下方法：

df1["volas"] = df2["Value"]

但是，这将返回一个包含

nan

值的序列（并因此用以下值填充新列）：

但是，如果我这样做：

market_values['Volas'] = [i for i in market_volas.Value]

这些值按预期分配

为什么？

---

我根本看不出问题出在哪里，特别是因为我最初的尝试是建议的。

问题是

df1

中的

index

与

df2

中的

index

不同

如果索引的长度od

相等，则可以使用：

想到

df1["volas"] = df2["Value"]

在两个数据帧的索引上执行
合并
。您可能想要的是基于一些匹配列的实际合并，例如

df1.merge(df2, on=["Symbol","Date"])

它将根据与其他列的匹配，或者，如果它们的长度相同，则添加来自
df2
的列

df1["volas"] = df2.Value.values

这基本上就是你的循环解决方案。
索引没有对齐，因此你得到了
NaN
第二次尝试添加了没有关联索引值的标量值，这就是它工作的原因
df1.merge(df2, on=["Symbol","Date"])

df1["volas"] = df2.Value.values