罪魁祸首是不可删除的索引

您的DataFrame的索引不同（相应地，每个列的索引也不同），因此当尝试将一个DataFrame的列分配给另一个DataFrame时，pandas会尝试对齐索引，如果无法对齐，则插入NaN。

考虑以下示例以理解这意味着什么：

# Setup
A = pd.DataFrame(index=['a', 'b', 'c']) 
B = pd.DataFrame(index=['b', 'c', 'd', 'f'])                                  
C = pd.DataFrame(index=[1, 2, 3])

# Example of alignable indexes - A & B (complete or partial overlap of indexes)
A.index B.index
      a        
      b       b   (overlap)
      c       c   (overlap)
              d
              f

# Example of unalignable indexes - A & C (no overlap at all)
A.index C.index
      a        
      b        
      c        
              1
              2
              3

当没有重叠时，pandas甚至不能匹配两个DataFrame之间的单个值以放入赋值结果中，因此输出是一个充满NaN的列。
如果您正在使用IPython notebook，则可以使用以下命令检查这是否确实是根本原因，

df1.index.equals(df2.index)
# False
df1.index.intersection(df2.index).empty
# True

型
您可以使用以下任何解决方案来解决此问题。

解决方案一：分配底层NumPy数组（绕过pandas索引对齐）

只有当两个DataFrame的长度匹配（即具有相同的行数）时，此解决方案才有效。

df2['date'] = df1['date'].to_numpy()

# (In pandas < 0.24, do df2['date'] = df1['date'].values )

型
要轻松分配多个列，请使用，

df2[['date', 'hour']] = df1[['date', 'hour']].to_numpy()

型

解决方案2：重置两个DataFrame的索引

当两个 Dataframe 有不同的长度时。如果你一开始就不想有不同的索引，或者你不特别关心保留索引，那么这可能是更好的选择。

# Optional, if you want a RangeIndex => [0, 1, 2, ...]
# df1.index = pd.RangeIndex(len(df))
# Homogenize the index values,
df2.index = df1.index
# Assign the columns.
df2[['date', 'hour']] = df1[['date', 'hour']]

型
如果你想保留现有的索引，但作为一个列，你可以使用reset_index()代替。

试试这个

df2['date'] = df1['date'].values
df2['hour'] = df1['hour'].values

字符串

我知道我迟到了这个线程，但这种格式已经为我工作得很好。

df2.insert(1, value=df1['Name'], column='Name')

字符串
你也可以在那个值集参数中对df1执行函数。希望这对你有帮助