pandas不同结构的dataframe整列复制
对于具有不同结构的pandas dataframe，若要将其中一列复制到另一dataframe的特定列下，可以遵循以下步骤：
1. 将目标列与数据进行合并
使用pd.concat()函数将要复制的列与其他数据合并。例如，要将df2中的d列添加到df1中的a列下方，可以执行以下操作：
new_a = pd.concat([df1['a'], df2['d']], ignore_index=true)
2. 重置dataframe索引
为了确保dataframe中的行数与合并后的数据一致，需要使用reindex()函数重置df1的索引。
df1 = df1.reindex(range(df2.shape[0] + df1.shape[0]))
3. 赋值复制的列
最后，使用=运算符将合并后的列赋值给df1中的相应列。
df1['a'] = new_a
这样，df1的a列就添加了df2中的d列，两个dataframe的结构也保持一致。
示例代码：
import pandas as pd
# 初始化dataframe
df1 = pd.dataframe({
'a': range(4),
'b': range(4),
'c': range(4),
'd': range(4)
})
df2 = pd.dataframe({
'd': [11, 22, 33],
'e': ['aa', 'bb', 'cc']
})
# 合并列
new_a = pd.concat([df1['a'], df2['d'], df2['e']], ignore_index=true)
# 重置索引
df1 = df1.reindex(range(df2.shape[0] + df1.shape[0]))
# 赋值复制的列
df1['a'] = new_a
print(df1)执行后的输出为：
A B C D E 0 0 1 0 0 aa 1 1 2 1 1 bb 2 2 3 2 2 cc 3 3 0 3 3 NaN 4 0 1 4 4 NaN
