Python怎么向DataFrame添加新的一列_pandas DataFrame新增列的方法
2023-07-02 07:41:54
向Pandas DataFrame添加新列的核心方法包括直接赋值、insert()和assign()，同时需注意数据类型匹配及使用函数生成列值。以下是具体操作指南：
一、基础添加方法直接赋值最简单的方式，直接通过列名赋值。语法为df['新列名'] = 值，值可以是列表、Series或标量。
示例：import pandas as pddf = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})df['C'] = [5, 6] # 添加列表df['D'] = 10 # 添加标量（所有行值为10）
insert()函数可指定插入位置，语法为df.insert(loc, column, value, allow_duplicates=False)。
参数说明：
loc：插入位置的索引（从0开始）。
column：新列名。
value：列值。
allow_duplicates：是否允许重复列名（默认False）。
示例：df.insert(1, 'E', [7, 8]) # 在索引1处插入列'E'
assign()函数返回新DataFrame，不修改原数据，支持一次性添加多列。语法为df.assign(新列名1=值1, 新列名2=值2)。
示例：new_df = df.assign(F=[9, 10], G=['x', 'y']) # 添加两列并返回新DataFrame
类型转换添加列前需确保数据类型匹配，使用astype()转换。
示例：df['H'] = pd.Series(['1', '2']).astype(int) # 字符串转整数
混合类型与缺失值
混合类型（如数字+字符串）会被推断为object类型，可能影响性能，建议统一类型。
缺失值（NaN）会导致列类型推断为float，可用fillna()填充：df['I'] = pd.Series([1, None]).fillna(0) # 填充缺失值为0
apply()函数按行或列应用函数，适合多列计算。语法为df.apply(函数, axis=0或1)。
示例：计算两列和：def calculate_sum(row): return row['A'] + row['B']df['J'] = df.apply(calculate_sum, axis=1)
map()函数对单列值映射转换，语法为df['列名'].map(函数或字典)。
示例：计算平方：df['K'] = df['A'].map(lambda x: x2)
np.where()函数根据条件选择值，语法为np.where(条件, 值1, 值2)。
示例：条件赋值：import numpy as npdf['L'] = np.where(df['A'] > 1, 'High', 'Low')
- 直接赋值：简单场景，快速添加单列。
- insert()：需控制列顺序时使用。
- assign()：需保留原DataFrame或添加多列时优先。
- 函数生成值：
多列计算选apply()。
单列转换选map()。
复杂条件逻辑选np.where()。
通过合理选择方法并处理数据类型，可高效完成DataFrame列的添加与计算。
热门标签
