我有一个混合数据类型的数据框，例如形状（1000、200），现在我想用一个 numpy（整数）数组形状（1000、100）分配/更新这个 df 的 100 列。
最初我所做的非常基本，例如：df.loc[:, [100 COLUMNS]] = my_np_array，但是我有运行时间限制，我的所有代码执行得越快越好。在对我的代码进行 line profiling 之后，我的代码几乎 70% 的时间都花在了这个赋值操作上，所以我继续寻找更快的方法，我遇到的唯一另一种方法是直接修改底层数组，即df.values[:, [100 COLUMN INDICES] = my_np_array. 这要快得多，我对它很满意。（如果有的话可以阐明为什么它的速度更快也会受到赞赏）
直到我发现我的数据框的值实际上没有改变，看起来如果数据框有混合dtypes 然后.values会返回一个副本而不是视图/引用，这意味着我所做的所有更改都没有应用于原始值，所以我不能只对.values. 现在我被困住了，如果有人能想出改进这个分配操作的方法，那就太好了。
（我正在考虑的一种潜在方法是从这个numpy数组创建一个单独的数据框，然后与原始df进行合并，但是我实际上需要多次执行赋值操作，所以这可能不适用于创建数据框和合并也不会太小）