Python 从常规数据帧向日期时间索引数据帧添加列

我有两个长度相同的数据帧（39014行），一个以datetime作为索引，另一个只是常规索引。我需要将一列复制到另一列中，但复制时会返回

Nans

。我做到了：

df_datetime["newcol"]=df_regular["col"]

如果检查

df_datetime

中的

newcol

列，则该列将充满

Nan

，即使

df_regular

的

col

列中有数字。为什么会这样？我怎样才能修好它？谢谢

也试过

pd.merge(df_datetime, df_regular[["col"]], left_index=True, right_index=True, how='left')

---

同样的情况也会发生，这是因为指数没有对齐

当您这样分配一个新列时，

df_datetime.loc[x，'newcol']

的值将与

df_regular.loc[x，'newcol']

---

您需要将

df_datetime

的索引替换为datetime索引。

这是因为索引没有对齐

当您这样分配一个新列时，

df_datetime.loc[x，'newcol']

的值将与

df_regular.loc[x，'newcol']

您需要将

df_datetime

的索引替换为datetime索引。

如果您这样做：

listOfColumn = list(df_regular["col"])
df_datetime["newcol"] = listOfColumn

如果您这样做会怎么样：

listOfColumn = list(df_regular["col"])
df_datetime["newcol"] = listOfColumn

作为df_datetime和df_regular，我准备了以下数据帧：

             N1
Dat            
2019-09-01  120
2019-09-02  130
2019-09-03  140
2019-09-04  150
2019-09-05  160

及

两个都有5行

如果要将df_regular中的col列“添加”到df_datetime中 忽略两个数据帧中的索引值，运行：

df_datetime['newcol'] = df_regular.col.values

结果是：

             N1  newcol
Dat                    
2019-09-01  120      23
2019-09-02  130      26
2019-09-03  140      48
2019-09-04  150      51
2019-09-05  160      62

作为df_datetime和df_regular，我准备了以下数据帧：

             N1
Dat            
2019-09-01  120
2019-09-02  130
2019-09-03  140
2019-09-04  150
2019-09-05  160

及

两个都有5行

如果要将df_regular中的col列“添加”到df_datetime中 忽略两个数据帧中的索引值，运行：

df_datetime['newcol'] = df_regular.col.values

结果是：

             N1  newcol
Dat                    
2019-09-01  120      23
2019-09-02  130      26
2019-09-03  140      48
2019-09-04  150      51
2019-09-05  160      62

---

请包括

df_regular

和

df_datetime

pandas进行“内部数据对齐”的示例，这意味着pandas中的大多数操作都是针对索引和列标题匹配进行的。请包括

df_regular

和

df_datetime

pandas进行“内部数据对齐”的示例意味着pandas中的大多数操作都是针对索引和列标题匹配完成的。