如何在一次分配中向熊猫数据框添加多列？

如何在一次分配中向熊猫数据框添加多列？

我希望您的语法也能正常工作。出现问题的原因是，当您使用column-list语法（

df[[new1, new2]] =...

）创建新列时，pandas要求右侧为Dataframe（请注意，Dataframe的列是否具有与列相同的名称实际上并不重要您正在创建）。

您的语法可以很好地为 现有 列分配标量值，并且pandas也很乐意使用单列语法（

df[new1] =...

）将标量值分配给新列。因此，解决方案是将其转换为几个单列分配，或者为右侧创建合适的Dataframe。

这里有几种方法是 将 工作：

import pandas as pdimport numpy as npdf = pd.Dataframe({    'col_1': [0, 1, 2, 3],    'col_2': [4, 5, 6, 7]})

然后执行以下 *** 作之一：

1）使用列表拆包，将三个作业合二为一：

df['column_new_1'], df['column_new_2'], df['column_new_3'] = [np.nan, 'dogs', 3]

2）

Dataframe

方便地扩展单个行以匹配索引，因此您可以执行以下 *** 作：

df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.Dataframe([[np.nan, 'dogs', 3]], index=df.index)

3）使用新列创建一个临时数据框，然后与原始数据框合并：

df = pd.concat(    [        df,        pd.Dataframe( [[np.nan, 'dogs', 3]],  index=df.index,  columns=['column_new_1', 'column_new_2', 'column_new_3']        )    ], axis=1)

4）与之前类似，但使用

join

代替

concat

（可能效率较低）：

df = df.join(pd.Dataframe(    [[np.nan, 'dogs', 3]],     index=df.index,     columns=['column_new_1', 'column_new_2', 'column_new_3']))

5）使用dict比前两个更“自然”地创建新数据框，但是新列将按字母顺序排序（至少[在Python

3.6或3.7之前](http://codingdict.com/questions/178055)）：

df = df.join(pd.Dataframe(    {        'column_new_1': np.nan,        'column_new_2': 'dogs',        'column_new_3': 3    }, index=df.index))

6）

.assign()

与多个列参数一起使用。

我非常喜欢@zero答案中的此变体，但与上一个一样，新列将始终按字母顺序排序，至少在早期版本的Python中：

df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)

7）这很有趣，但是我不知道什么时候值得这样做：

new_cols = ['column_new_1', 'column_new_2', 'column_new_3']new_vals = [np.nan, 'dogs', 3]df = df.reindex(columns=df.columns.tolist() + new_cols)   # add empty colsdf[new_cols] = new_vals  # multi-column assignment works for existing cols

8）最后，很难击败三个独立的任务：

df['column_new_1'] = np.nandf['column_new_2'] = 'dogs'df['column_new_3'] = 3

注意：这些选项中的许多选项已经包含在其他答案中：将多个列添加到Dataframe并将它们设置为与现有列相等，是否可以一次将多个列添加到pandasDataframe？，向pandasDataframe添加多个空列