R 复制列并将结果与另一个数据帧连接

有一个有趣的例子，它是这样的：

我有这个df1：

A B C
1 2 3
5 7 9

其中，

abc

是列名称

我有另一个带有一列的df2：

A
1
2
3
4

我想为df1的每一列添加df2，从而创建这个最终版本 数据帧：

A B C 
1 2 3
5 7 9
1 1 1
2 2 2
3 3 3
4 4 4

有可能吗

我想知道，在熊猫身上如何做到这一点

---

---

我在下面发布了我自己的解决方案，但我也在寻找其他更好的替代方案

选项1

使用

np.重复

和

df.追加

df2 = pd.DataFrame(df2.values.repeat(len(df1.columns), axis=1),\
                                                  columns=df1.columns)
out = df1.append(df2)
out

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

out = df1.append(pd.concat([df2.A] * len(df1.columns), 1, keys=df1.columns))
print(out)

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

选项2

使用

pd.concat

和

df.append

df2 = pd.DataFrame(df2.values.repeat(len(df1.columns), axis=1),\
                                                  columns=df1.columns)
out = df1.append(df2)
out

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

out = df1.append(pd.concat([df2.A] * len(df1.columns), 1, keys=df1.columns))
print(out)

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

---

第二步也可以使用

pd.concat

，但

df.append

较短。

选项1

使用

np.重复

和

df.追加

df2 = pd.DataFrame(df2.values.repeat(len(df1.columns), axis=1),\
                                                  columns=df1.columns)
out = df1.append(df2)
out

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

out = df1.append(pd.concat([df2.A] * len(df1.columns), 1, keys=df1.columns))
print(out)

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

选项2

使用

pd.concat

和

df.append

df2 = pd.DataFrame(df2.values.repeat(len(df1.columns), axis=1),\
                                                  columns=df1.columns)
out = df1.append(df2)
out

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

out = df1.append(pd.concat([df2.A] * len(df1.columns), 1, keys=df1.columns))
print(out)

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

---

第二步也可以使用

pd.concat

，但

df.append

较短。

让我们使用

pd.concat

和

ffill

轴=1：

pd.concat([df1,df2]).ffill(1).astype(int)

输出：

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

让我们使用轴为1的

pd.concat

和

ffill

：

pd.concat([df1,df2]).ffill(1).astype(int)

输出：

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

选项1

应用

df1.apply(pd.Series.append, to_append=df2.A)

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

选项2

numpy.vstack

和

numpy.tile

pd.DataFrame(
    np.vstack([df1, np.tile(df2, df1.shape[1])]),
    columns=df1.columns
)

   A  B  C
0  1  2  3
1  5  7  9
2  1  1  1
3  2  2  2
4  3  3  3
5  4  4  4

---

选项1

应用

df1.apply(pd.Series.append, to_append=df2.A)

   A  B  C
0  1  2  3
1  5  7  9
0  1  1  1
1  2  2  2
2  3  3  3
3  4  4  4

---

选项2

numpy.vstack

和

numpy.tile

pd.DataFrame(
    np.vstack([df1, np.tile(df2, df1.shape[1])]),
    columns=df1.columns
)

   A  B  C
0  1  2  3
1  5  7  9
2  1  1  1
3  2  2  2
4  3  3  3
5  4  4  4

---

哦这很聪明。利用这个事实，它产生了南。我不喜欢铸造浮动和必须重铸为int。哦！这很聪明。利用这个事实，它产生了南。我不喜欢铸造浮动和必须重铸为int。这些真的很漂亮。这些真的很漂亮。