Esta pregunta se ha hecho tantas veces, y parece funcionar para otros, sin embargo, me estoy poniendo NaN valores cuando copio una columna de un DataFrame diferente (df1 y df2 tienen la misma longitud).

df1

        date     hour      var1
a   2017-05-01  00:00:00   456585
b   2017-05-01  01:00:00   899875
c   2017-05-01  02:00:00   569566
d   2017-05-01  03:00:00   458756
e   2017-05-01  04:00:00   231458
f   2017-05-01  05:00:00   986545

df2

      MyVar1     MyVar2 
 0  6169.719338 3688.045368
 1  5861.148007 3152.238704
 2  5797.053347 2700.469871
 3  5779.102340 2730.471948
 4  6708.219647 3181.298291
 5  8550.380343 3793.580394

Necesito así en mi df2

       MyVar1    MyVar2        date        hour
 0  6169.719338 3688.045368  2017-05-01  00:00:00
 1  5861.148007 3152.238704  2017-05-01  01:00:00
 2  5797.053347 2700.469871  2017-05-01  02:00:00
 3  5779.102340 2730.471948  2017-05-01  03:00:00
 4  6708.219647 3181.298291  2017-05-01  04:00:00
 5  8550.380343 3793.580394  2017-05-01  05:00:00

Intenté lo siguiente,

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

type(df1)
>> pandas.core.frame.DataFrame

type(df2)
>> pandas.core.frame.DataFrame

Estoy recibiendo lo siguiente,

       MyVar1    MyVar2      date       hour
 0  6169.719338 3688.045368  NaN        NaN
 1  5861.148007 3152.238704  NaN        NaN
 2  5797.053347 2700.469871  NaN        NaN

¿Por qué está pasando esto? Hay otro post que habla merge, pero solo necesito copiarlo. Cualquier ayuda sería apreciada.

El culpable son los índices que no se pueden alinear

Los índices de sus DataFrames son diferentes (y, en consecuencia, los índices de cada columna), por lo que al intentar asignar una columna de un DataFrame a otro, pandas intentará alinear los índices y, al no hacerlo, insertará NaNs.

Considere los siguientes ejemplos para entender lo que esto significa:

# 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

Cuando no hay superposiciones, los pandas no pueden hacer coincidir ni un solo valor entre los dos DataFrames para ingresar el resultado de la asignación, por lo que la salida es una columna llena de NaN.

Si está trabajando en una computadora portátil IPython, puede verificar que esta sea la causa principal usando,

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

---

Puede usar cualquiera de las siguientes soluciones para solucionar este problema.

Solución 1: restablezca los índices de ambos DataFrames

Es posible que prefiera esta opción si no tenía la intención de tener índices diferentes en primer lugar, o si no le importa particularmente conservar el índice.

# 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']]

Si desea mantener el índice existente, pero como una columna, puede usar reset_index() en cambio.

---

Solución 2: asigne matrices NumPy (omita la alineación del índice)

Esta solución solo funcionará si las longitudes de los dos DataFrames coinciden.

# pandas >= 0.24
df2['date'] = df1['date'].to_numpy()
# pandas < 0.24
df2['date'] = df1['date'].values

Para asignar múltiples columnas fácilmente, use,

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

Prueba esto ?

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

Sé que llego tarde a este hilo, pero este formato me ha funcionado bien.

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

también puede realizar funciones en df1 en ese argumento de conjunto de valores. Espero que esto ayude