如何将 Pandas 列切片转置并插入行切片？

Question

尝试从一个 Pandas 数据帧中取出一列的切片，转置切片，然后将其插入到不同数据帧中的类似大小的行切片中。 两个数据框中的标签和索引是不同的。 对于大型数据帧，我目前正在运行一个 for 循环来逐个单元地复制每个单独的值，但效率极低。

除了 for 循环，还尝试了 .loc、.iloc 和转置，但没有成功。 pivot、pivot_table、melt 似乎不适用于这里，或者我无法理解如何将它们应用于这个看似简单的问题。

# Two dataframes here
import pandas as pd
import numpy as np
numRng = np.arange(20).reshape((5, 4))
df1 = pd.DataFrame(numRng)
newCols = ('A', 'B', 'C', 'D', 'E', 'F')
for newCol in newCols:
    df1[newCol] = np.nan 
numRng2 = np.arange(1000,976,-1).reshape((6, 4))
df2 = pd.DataFrame(numRng2)
df2.columns = ['M', 'N', 'O', 'P'] 

df1

df2

# From df1, trying to copy a column-slice, transpose it, and insert it 
# into df2 row-slice, has no effect
df1.loc[1, 'B':'E'] = df2.loc[1:4, 'M'].transpose()
df1

# 'Manual' implementation to produce desired df1 geometry
df1.loc[1, 'B'] = 996
df1.loc[1, 'C'] = 992
df1.loc[1, 'D'] = 988
df1.loc[1, 'E'] = 984
df1

在上面的示例 df 中，在 df1 row1 中，B、C、D、E 列在行切片中显示数字 996、992、988 和 984。

如何在不循环每个值的情况下提取切片、转置和插入？

Answer 1

将值转换为 numpy 数组以避免数据对齐 - 熊猫尝试相互匹配索引和列，如果失败，则创建缺失值或不分配值：

#pandas 0.22+
df1.loc[1, 'B':'E'] = df2.loc[1:4, 'M'].transpose().to_numpy()
#pandas below
#df1.loc[1, 'B':'E'] = df2.loc[1:4, 'M'].transpose().values

print (df1)
    0   1   2   3   A      B      C      D      E   F
0   0   1   2   3 NaN    NaN    NaN    NaN    NaN NaN
1   4   5   6   7 NaN  996.0  992.0  988.0  984.0 NaN
2   8   9  10  11 NaN    NaN    NaN    NaN    NaN NaN
3  12  13  14  15 NaN    NaN    NaN    NaN    NaN NaN
4  16  17  18  19 NaN    NaN    NaN    NaN    NaN NaN