pandas添加多行_Pandas将列表添加到多个列（用于多行）

我有一个要更新到多个列中的值的列表，这对于单行来说很好。但是，当我尝试更新多行时，它只是用最后一个值覆盖整个列。在

每行的列表如下所示(注：列表长度可变)：['2016-03-16T09:53:05',

'2016-03-16T16:13:33',

'2016-03-17T13:30:31',

'2016-03-17T13:39:09',

'2016-03-17T16:59:01',

'2016-03-23T12:20:47',

'2016-03-23T13:22:58',

'2016-03-29T17:26:26',

'2016-03-30T09:08:17']

我可以使用以下方法将其存储在空列中：

^{pr2}$

但是，这将用单个trans_dates[i]值更新整个列

我原以为用上面的代码在每一行上循环可以工作，但它仍然会覆盖。在for issues in all_issues:

for i in range(len(trans_dates)):

df[('T' + str(i + 1) + ' - Date')] = trans_dates[i]如何在循环中只更新当前行？

我这样做对吗？或者有没有更快的矢量化方法？

下面是完整的代码片段：for issues in all_issues:

print(issues)

changelog = issues.changelog

trans_dates = []

from_status = []

to_status = []

for history in changelog.histories:

for item in history.items:

if item.field == 'status':

trans_dates.append(history.created[:19])

from_status.append(item.fromString)

to_status.append(item.toString)

trans_dates = list(reversed(trans_dates))

from_status = list(reversed(from_status))

to_status = list(reversed(to_status))

print(trans_dates)

# Store raw data in created columns and convert dates to pd.to_datetime

for i in range(len(trans_dates)):

df[('T' + str(i + 1) + ' - Date')] = trans_dates[i]

for i in range(len(to_status)):

df[('T' + str(i + 1) + ' - To')] = to_status[i]

for i in range(len(from_status)):

df[('T' + str(i + 1) + ' - From')] = from_status[i]

for i in range(len(trans_dates)):

df['T' + str(i + 1) + ' - Date'] = pd.to_datetime(df['T' + str(i + 1) + ' - Date'])编辑：添加示例输入和输出。

输入：

问题/第1行列表(注：年份变化)：['2016-03-16T09:53:05',

'2016-03-16T16:13:33',

'2016-03-17T13:30:31',

'2016-03-17T13:39:09']

第2期['2017-03-16T09:53:05',

'2017-03-16T16:13:33',

'2017-03-17T13:30:31']

第3期['2018-03-16T09:53:05',

'2018-03-16T16:13:33',

'2018-03-17T13:30:31']

第4期['2015-03-16T09:53:05',

'2015-03-16T16:13:33']

输出：col T1 T2 T3 T4

17 '2016-03-16T09:53:05' '2016-03-16T16:13:33' '2016-03-17T13:30:31' '2016-03-17T13:30:31'

18 '2017-03-16T09:53:05' '2017-03-16T16:13:33' '2017-03-17T13:30:31' np.nan

19 '2018-03-16T09:53:05' '2018-03-16T16:13:33' '2018-03-17T13:30:31' np.nan

20 '2015-03-16T09:53:05' '2015-03-16T16:13:33' np.nan np.nan