您可以使用concat函数来完成此操作（axis=1将连接为列）：

pd.concat([df1, df2], axis=1)

请参阅Pandas关于合并/连接的文档：http://pandas.pydata.org/pandas-docs/stable/merging.html

我遇到你的问题，而我正试图实现这样的东西：

因此，一旦我对 Dataframe 进行切片，我首先确保它们的索引是相同的。在您的情况下，两个 Dataframe 都需要从0到29进行索引。然后根据索引合并两个 Dataframe 。

df1.reset_index(drop=True).merge(df2.reset_index(drop=True), left_index=True, right_index=True)

如果要合并具有公用列名的2个数据框，可以执行以下操作：

df_concat = pd.merge(df1, df2, on='common_column_name', how='outer')

我发现其他的答案并不适合我，当我从谷歌进来。
我所做的是在原始df中设置新列。

# list(df2) gives you the column names of df2
# you then use these as the column names for df

df[list(df2)] = df2

• 有办法，你可以通过管道来做。
  **使用管道转换您的数字数据，例如

Num_pipeline = Pipeline
([("select_numeric", DataFrameSelector([columns with numerical value])),
("imputer", SimpleImputer(strategy="median")),
])

**对于分类数据

cat_pipeline = Pipeline([
    ("select_cat", DataFrameSelector([columns with categorical data])),
    ("cat_encoder", OneHotEncoder(sparse=False)),
])

**然后使用要素联合将这些转换添加到一起

preprocess_pipeline = FeatureUnion(transformer_list=[
    ("num_pipeline", num_pipeline),
    ("cat_pipeline", cat_pipeline),
])

• 在此处阅读更多信息-https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.FeatureUnion.html

如果df1和df2具有不同的索引，则此解决方案也有效：

df1.loc[:, df2.columns] = df2.to_numpy()