如何向现有的 DataFrame 添加新列？

Question

我有以下索引 DataFrame 与命名列和行不连续的数字：

          a         b         c         d
2  0.671399  0.101208 -0.181532  0.241273
3  0.446172 -0.243316  0.051767  1.577318
5  0.614758  0.075793 -0.451460 -0.012493

我想在现有数据框中添加一个新列'e' ，并且不想更改数据框中的任何内容（即，新列始终与 DataFrame 具有相同的长度）。

0   -0.335485
1   -1.166658
2   -0.385571
dtype: float64

如何将e列添加到上面的示例中？

Answer 1

编辑 2017

正如评论和@Alexander 所指出的，目前将 Series 的值添​​加为 DataFrame 的新列的最佳方法可能是使用assign ：

df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)

---

编辑 2015
有些人报告说使用此代码获得了SettingWithCopyWarning 。
但是，该代码仍然可以在当前的 pandas 0.16.1 版本中完美运行。

>>> sLength = len(df1['a'])
>>> df1
          a         b         c         d
6 -0.269221 -0.026476  0.997517  1.294385
8  0.917438  0.847941  0.034235 -0.448948

>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e
6 -0.269221 -0.026476  0.997517  1.294385  1.757167
8  0.917438  0.847941  0.034235 -0.448948  2.228131

>>> pd.version.short_version
'0.16.1'

SettingWithCopyWarning旨在通知数据帧副本上可能无效的分配。 它不一定说你做错了（它可能会触发误报），但从 0.13.0 开始，它让你知道有更合适的方法用于相同的目的。 然后，如果您收到警告，请遵循其建议：尝试使用 .loc[row_index,col_indexer] = value 代替

>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e         f
6 -0.269221 -0.026476  0.997517  1.294385  1.757167 -0.050927
8  0.917438  0.847941  0.034235 -0.448948  2.228131  0.006109
>>> 

事实上，这是目前熊猫文档中描述的更有效的方法

---

原答案：

使用原始 df1 索引创建系列：

df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)

Answer 2

这是添加新列的简单方法： df['e'] = e

Answer 3

我想在现有数据框中添加一个新列“e”，并且不要更改数据框中的任何内容。 （该系列的长度始终与数据框相同。）

我假设e中的索引值与df1中的索引值匹配。

启动名为e的新列的最简单方法，并为其分配系列e中的值：

df['e'] = e.values

分配（熊猫 0.16.0+）

从 Pandas 0.16.0 开始，您还可以使用assign ，它将新列分配给 DataFrame 并返回一个新对象（副本），其中包含除新列之外的所有原始列。

df1 = df1.assign(e=e.values)

根据此示例（其中还包括assign函数的源代码），您还可以包含多个列：

df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
>>> df.assign(mean_a=df.a.mean(), mean_b=df.b.mean())
   a  b  mean_a  mean_b
0  1  3     1.5     3.5
1  2  4     1.5     3.5

在您的示例中：

np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(10, 4), columns=['a', 'b', 'c', 'd'])
mask = df1.applymap(lambda x: x <-0.7)
df1 = df1[-mask.any(axis=1)]
sLength = len(df1['a'])
e = pd.Series(np.random.randn(sLength))

>>> df1
          a         b         c         d
0  1.764052  0.400157  0.978738  2.240893
2 -0.103219  0.410599  0.144044  1.454274
3  0.761038  0.121675  0.443863  0.333674
7  1.532779  1.469359  0.154947  0.378163
9  1.230291  1.202380 -0.387327 -0.302303

>>> e
0   -1.048553
1   -1.420018
2   -1.706270
3    1.950775
4   -0.509652
dtype: float64

df1 = df1.assign(e=e.values)

>>> df1
          a         b         c         d         e
0  1.764052  0.400157  0.978738  2.240893 -1.048553
2 -0.103219  0.410599  0.144044  1.454274 -1.420018
3  0.761038  0.121675  0.443863  0.333674 -1.706270
7  1.532779  1.469359  0.154947  0.378163  1.950775
9  1.230291  1.202380 -0.387327 -0.302303 -0.509652

可在此处找到首次引入此新功能时的说明。

Answer 4

超级简单的列分配

pandas 数据框被实现为列的有序字典。

这意味着__getitem__ []不仅可以用来获取某个列，而且__setitem__ [] =可以用来分配一个新列。

例如，这个数据框可以通过简单地使用[]访问器来添加一个列

    size      name color
0    big      rose   red
1  small    violet  blue
2  small     tulip   red
3  small  harebell  blue

df['protected'] = ['no', 'no', 'no', 'yes']

    size      name color protected
0    big      rose   red        no
1  small    violet  blue        no
2  small     tulip   red        no
3  small  harebell  blue       yes

请注意，即使数据帧的索引关闭，这也有效。

df.index = [3,2,1,0]
df['protected'] = ['no', 'no', 'no', 'yes']
    size      name color protected
3    big      rose   red        no
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue       yes

[]= 是要走的路，但要小心！

但是，如果您有一个pd.Series并尝试将其分配给索引关闭的数据框，您将遇到麻烦。 参见示例：

df['protected'] = pd.Series(['no', 'no', 'no', 'yes'])
    size      name color protected
3    big      rose   red       yes
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue        no

这是因为默认情况下pd.Series具有从 0 到 n 枚举的索引。 pandas [] =方法试图变得“聪明”

究竟发生了什么。

当您使用[] =方法时，pandas 正在使用左侧数据帧的索引和右侧系列的索引悄悄地执行外部连接或外部合并。 df['column'] = series

边注

这很快就会导致认知失调，因为[]=方法试图根据输入做很多不同的事情，除非你只知道pandas 是如何工作的，否则无法预测结果。 因此，我建议不要在代码库中使用[]= ，但是在笔记本中探索数据时，这很好。

绕过问题

如果您有一个pd.Series并希望它从上到下分配，或者如果您正在编写生产代码并且您不确定索引顺序，那么为此类问题进行保护是值得的。

您可以将pd.Series向下转换为np.ndarray或list ，这样就可以了。

df['protected'] = pd.Series(['no', 'no', 'no', 'yes']).values

或者

df['protected'] = list(pd.Series(['no', 'no', 'no', 'yes']))

但这不是很明确。

一些编码员可能会说“嘿，这看起来多余，我会优化它”。

显式方式

将pd.Series的索引设置为df的索引是明确的。

df['protected'] = pd.Series(['no', 'no', 'no', 'yes'], index=df.index)

或者更现实地说，您可能已经有一个pd.Series可用。

protected_series = pd.Series(['no', 'no', 'no', 'yes'])
protected_series.index = df.index

3     no
2     no
1     no
0    yes

现在可以分配

df['protected'] = protected_series

    size      name color protected
3    big      rose   red        no
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue       yes

df.reset_index()的替代方法

由于索引不协调是问题所在，如果您觉得数据帧的索引不应该决定事情，您可以简单地删除索引，这应该更快，但它不是很干净，因为您的函数现在可能做两件事。

df.reset_index(drop=True)
protected_series.reset_index(drop=True)
df['protected'] = protected_series

    size      name color protected
0    big      rose   red        no
1  small    violet  blue        no
2  small     tulip   red        no
3  small  harebell  blue       yes

关于df.assign的注意事项

虽然df.assign更明确地说明了你在做什么，但它实际上存在与上述[]=相同的问题

df.assign(protected=pd.Series(['no', 'no', 'no', 'yes']))
    size      name color protected
3    big      rose   red       yes
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue        no

请注意df.assign您的列不称为self 。 它会导致错误。 这使得df.assign有异味，因为函数中有这类伪影。

df.assign(self=pd.Series(['no', 'no', 'no', 'yes'])
TypeError: assign() got multiple values for keyword argument 'self'

你可能会说，“好吧，那我就不用self了”。 但是谁知道这个函数将来会如何改变以支持新的论点。 也许您的列名将成为熊猫新更新中的参数，从而导致升级问题。

Answer 5

似乎在最近的 Pandas 版本中，要走的路是使用df.assign ：

df1 = df1.assign(e=np.random.randn(sLength))

它不会产生SettingWithCopyWarning 。

Answer 6

直接通过NumPy执行此操作将是最有效的：

df1['e'] = np.random.randn(sLength)

---

请注意，我最初的（非常旧的）建议是使用map （速度要慢得多）：

df1['e'] = df1['a'].map(lambda x: np.random.random())

Answer 7

最简单的方法：-

data['new_col'] = list_of_values

data.loc[ : , 'new_col'] = list_of_values

这样，您可以在 pandas 对象中设置新值时避免所谓的链式索引。 点击这里进一步阅读。

Answer 8

如果要将整个新列设置为初始基值（例如None ），可以这样做： df1['e'] = None

这实际上会将“对象”类型分配给单元格。 因此，稍后您可以自由地将复杂的数据类型（如列表）放入单个单元格中。

Answer 9

我得到了可怕的SettingWithCopyWarning ，并没有通过使用 iloc 语法来解决。 我的 DataFrame 是由 read_sql 从 ODBC 源创建的。 使用上面lowtech的建议，以下内容对我有用：

df.insert(len(df.columns), 'e', pd.Series(np.random.randn(sLength),  index=df.index))

这可以很好地在最后插入列。 我不知道它是否是最有效的，但我不喜欢警告信息。 我认为有更好的解决方案，但我找不到，我认为这取决于索引的某些方面。
注意。 这只能工作一次，如果尝试覆盖现有列，则会给出错误消息。
注意如上所述，从 0.16.0 开始分配是最好的解决方案。 请参阅文档http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.assign.html#pandas.DataFrame.assign适用于不覆盖中间值的数据流类型。

Answer 10

1. 首先创建一个具有相关数据的python list_of_e 。
2. 使用这个： df['e'] = list_of_e

Answer 11

创建一个空列

df['i'] = None

Answer 12

如果您尝试添加的列是系列变量，则只需：

df["new_columns_name"]=series_variable_name #this will do it for you

即使您要替换现有列，这也很有效。只需键入与要替换的列相同的 new_columns_name。它只会用新的系列数据覆盖现有列数据。

Answer 13

如果数据框和 Series 对象具有相同的 index ， pandas.concat也可以在这里工作：

import pandas as pd
df
#          a            b           c           d
#0  0.671399     0.101208   -0.181532    0.241273
#1  0.446172    -0.243316    0.051767    1.577318
#2  0.614758     0.075793   -0.451460   -0.012493

e = pd.Series([-0.335485, -1.166658, -0.385571])    
e
#0   -0.335485
#1   -1.166658
#2   -0.385571
#dtype: float64

# here we need to give the series object a name which converts to the new  column name 
# in the result
df = pd.concat([df, e.rename("e")], axis=1)
df

#          a            b           c           d           e
#0  0.671399     0.101208   -0.181532    0.241273   -0.335485
#1  0.446172    -0.243316    0.051767    1.577318   -1.166658
#2  0.614758     0.075793   -0.451460   -0.012493   -0.385571

如果它们没有相同的索引：

e.index = df.index
df = pd.concat([df, e.rename("e")], axis=1)

Answer 14

万无一失：

df.loc[:, 'NewCol'] = 'New_Val'

例子：

df = pd.DataFrame(data=np.random.randn(20, 4), columns=['A', 'B', 'C', 'D'])

df

           A         B         C         D
0  -0.761269  0.477348  1.170614  0.752714
1   1.217250 -0.930860 -0.769324 -0.408642
2  -0.619679 -1.227659 -0.259135  1.700294
3  -0.147354  0.778707  0.479145  2.284143
4  -0.529529  0.000571  0.913779  1.395894
5   2.592400  0.637253  1.441096 -0.631468
6   0.757178  0.240012 -0.553820  1.177202
7  -0.986128 -1.313843  0.788589 -0.707836
8   0.606985 -2.232903 -1.358107 -2.855494
9  -0.692013  0.671866  1.179466 -1.180351
10 -1.093707 -0.530600  0.182926 -1.296494
11 -0.143273 -0.503199 -1.328728  0.610552
12 -0.923110 -1.365890 -1.366202 -1.185999
13 -2.026832  0.273593 -0.440426 -0.627423
14 -0.054503 -0.788866 -0.228088 -0.404783
15  0.955298 -1.430019  1.434071 -0.088215
16 -0.227946  0.047462  0.373573 -0.111675
17  1.627912  0.043611  1.743403 -0.012714
18  0.693458  0.144327  0.329500 -0.655045
19  0.104425  0.037412  0.450598 -0.923387


df.drop([3, 5, 8, 10, 18], inplace=True)

df

           A         B         C         D
0  -0.761269  0.477348  1.170614  0.752714
1   1.217250 -0.930860 -0.769324 -0.408642
2  -0.619679 -1.227659 -0.259135  1.700294
4  -0.529529  0.000571  0.913779  1.395894
6   0.757178  0.240012 -0.553820  1.177202
7  -0.986128 -1.313843  0.788589 -0.707836
9  -0.692013  0.671866  1.179466 -1.180351
11 -0.143273 -0.503199 -1.328728  0.610552
12 -0.923110 -1.365890 -1.366202 -1.185999
13 -2.026832  0.273593 -0.440426 -0.627423
14 -0.054503 -0.788866 -0.228088 -0.404783
15  0.955298 -1.430019  1.434071 -0.088215
16 -0.227946  0.047462  0.373573 -0.111675
17  1.627912  0.043611  1.743403 -0.012714
19  0.104425  0.037412  0.450598 -0.923387

df.loc[:, 'NewCol'] = 0

df
           A         B         C         D  NewCol
0  -0.761269  0.477348  1.170614  0.752714       0
1   1.217250 -0.930860 -0.769324 -0.408642       0
2  -0.619679 -1.227659 -0.259135  1.700294       0
4  -0.529529  0.000571  0.913779  1.395894       0
6   0.757178  0.240012 -0.553820  1.177202       0
7  -0.986128 -1.313843  0.788589 -0.707836       0
9  -0.692013  0.671866  1.179466 -1.180351       0
11 -0.143273 -0.503199 -1.328728  0.610552       0
12 -0.923110 -1.365890 -1.366202 -1.185999       0
13 -2.026832  0.273593 -0.440426 -0.627423       0
14 -0.054503 -0.788866 -0.228088 -0.404783       0
15  0.955298 -1.430019  1.434071 -0.088215       0
16 -0.227946  0.047462  0.373573 -0.111675       0
17  1.627912  0.043611  1.743403 -0.012714       0
19  0.104425  0.037412  0.450598 -0.923387       0

Answer 15

不过要注意的一件事是，如果你这样做

df1['e'] = Series(np.random.randn(sLength), index=df1.index)

这实际上是 df1.index 上的左连接。 所以如果你想有一个外连接效果，我可能不完美的解决方案是创建一个索引值覆盖你的数据域的数据框，然后使用上面的代码。 例如，

data = pd.DataFrame(index=all_possible_values)
df1['e'] = Series(np.random.randn(sLength), index=df1.index)

Answer 16

要在数据框中的给定位置（0 <= loc <= 列数）插入新列，只需使用 Dataframe.insert：

DataFrame.insert(loc, column, value)

因此，如果您想在名为df的数据框的末尾添加列e ，您可以使用：

e = [-0.335485, -1.166658, -0.385571]    
DataFrame.insert(loc=len(df.columns), column='e', value=e)

value可以是一个系列、一个整数（在这种情况下，所有单元格都被这个值填充）或类似数组的结构

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.insert.html

Answer 17

让我补充一下，就像hum3一样， .loc没有解决SettingWithCopyWarning ，我不得不求助于df.insert() 。 在我的情况下，误报是由“假”链索引dict['a']['e']生成的，其中'e'是新列，而dict['a']是来自字典的 DataFrame。

另请注意，如果您知道自己在做什么，则可以使用pd.options.mode.chained_assignment = None切换警告，而不是使用此处给出的其他解决方案之一。

Answer 18

在分配新列之前，如果您有索引数据，则需要对索引进行排序。 至少在我的情况下，我必须：

data.set_index(['index_column'], inplace=True)
"if index is unsorted, assignment of a new column will fail"        
data.sort_index(inplace = True)
data.loc['index_value1', 'column_y'] = np.random.randn(data.loc['index_value1', 'column_x'].shape[0])

Answer 19

向现有数据框添加新列“e”

 df1.loc[:,'e'] = Series(np.random.randn(sLength))

Answer 20

我正在寻找一种将numpy.nan的列添加到数据框中的一般方法，而不会得到愚蠢的SettingWithCopyWarning 。

从以下：

• 这里的答案
• 这个关于将变量作为关键字参数传递的问题
• 这种用于在线生成 NaN 的numpy数组的方法

我想出了这个：

col = 'column_name'
df = df.assign(**{col:numpy.full(len(df), numpy.nan)})

Answer 21

为了完整起见-使用DataFrame.eval()方法的另一种解决方案：

数据：

In [44]: e
Out[44]:
0    1.225506
1   -1.033944
2   -0.498953
3   -0.373332
4    0.615030
5   -0.622436
dtype: float64

In [45]: df1
Out[45]:
          a         b         c         d
0 -0.634222 -0.103264  0.745069  0.801288
4  0.782387 -0.090279  0.757662 -0.602408
5 -0.117456  2.124496  1.057301  0.765466
7  0.767532  0.104304 -0.586850  1.051297
8 -0.103272  0.958334  1.163092  1.182315
9 -0.616254  0.296678 -0.112027  0.679112

解决方案：

In [46]: df1.eval("e = @e.values", inplace=True)

In [47]: df1
Out[47]:
          a         b         c         d         e
0 -0.634222 -0.103264  0.745069  0.801288  1.225506
4  0.782387 -0.090279  0.757662 -0.602408 -1.033944
5 -0.117456  2.124496  1.057301  0.765466 -0.498953
7  0.767532  0.104304 -0.586850  1.051297 -0.373332
8 -0.103272  0.958334  1.163092  1.182315  0.615030
9 -0.616254  0.296678 -0.112027  0.679112 -0.622436

Answer 22

如果您只需要创建一个新的空列，那么最短的解决方案是：

df.loc[:, 'e'] = pd.Series()

Answer 23

以下是我所做的......但我对熊猫和真正的Python很陌生，所以没有承诺。

df = pd.DataFrame([[1, 2], [3, 4], [5,6]], columns=list('AB'))

newCol = [3,5,7]
newName = 'C'

values = np.insert(df.values,df.shape[1],newCol,axis=1)
header = df.columns.values.tolist()
header.append(newName)

df = pd.DataFrame(values,columns=header)

Answer 24

如果我们想为 df 中新列的所有行分配一个缩放器值，例如：10：

df = df.assign(new_col=lambda x:10)  # x is each row passed in to the lambda func

df 现在将在所有行中具有 value=10 的新列“new_col”。

Answer 25

如果您得到SettingWithCopyWarning ，一个简单的解决方法是复制您尝试添加列的 DataFrame。

df = df.copy()
df['col_name'] = values

Answer 26

x=pd.DataFrame([1,2,3,4,5])

y=pd.DataFrame([5,4,3,2,1])

z=pd.concat([x,y],axis=1)

Answer 27

这是向 pandas 数据框添加新列的特殊情况。 在这里，我基于数据框的现有列数据添加了一个新功能/列。

因此，让我们的 dataFrame 包含列“feature_1”、“feature_2”、“probability_score”，我们必须根据“probability_score”列中的数据添加一个新的“predicted_class”列。

我将使用 python 中的 map() 函数，并定义一个我自己的函数，该函数将实现有关如何为我的 dataFrame 中的每一行赋予特定 class_label 的逻辑。

data = pd.read_csv('data.csv')

def myFunction(x):
   //implement your logic here

   if so and so:
        return a
   return b

variable_1 = data['probability_score']
predicted_class = variable_1.map(myFunction)

data['predicted_class'] = predicted_class

// check dataFrame, new column is included based on an existing column data for each row
data.head()

Answer 28

import pandas as pd

# Define a dictionary containing data
data = {'a': [0,0,0.671399,0.446172,0,0.614758],
    'b': [0,0,0.101208,-0.243316,0,0.075793],
    'c': [0,0,-0.181532,0.051767,0,-0.451460],
    'd': [0,0,0.241273,1.577318,0,-0.012493]}

# Convert the dictionary into DataFrame
df = pd.DataFrame(data)

# Declare a list that is to be converted into a column
col_e = [-0.335485,-1.166658,-0.385571,0,0,0]


df['e'] = col_e

# add column 'e'
df['e'] = col_e

# Observe the result
df

Answer 29

每当您将 Series 对象作为新列添加到现有 DF 时，您需要确保它们都具有相同的索引。 然后将其添加到 DF

e_series = pd.Series([-0.335485, -1.166658,-0.385571])
print(e_series)
e_series.index = d_f.index
d_f['e'] = e_series
d_f

Answer 30

您可以通过for 循环插入新列，如下所示：

for label,row in your_dframe.iterrows():
      your_dframe.loc[label,"new_column_length"]=len(row["any_of_column_in_your_dframe"])

示例代码在这里：

import pandas as pd

data = {
  "any_of_column_in_your_dframe" : ["ersingulbahar","yagiz","TS"],
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}

#load data into a DataFrame object:
your_dframe = pd.DataFrame(data)


for label,row in your_dframe.iterrows():
      your_dframe.loc[label,"new_column_length"]=len(row["any_of_column_in_your_dframe"])
      
      
print(your_dframe) 

输出在这里：

any_of_column_in_your_dframe	卡路里	期间	新列长度
厄辛古尔巴哈尔	420	50	13.0
亚吉兹	380	40	5.0
TS	390	45	2.0

不是：你也可以这样使用：

your_dframe["new_column_length"]=your_dframe["any_of_column_in_your_dframe"].apply(len)

Answer 31

向现有数据框添加新列的简单方法是：

new_cols = ['a' , 'b' , 'c' , 'd']

for col in new_cols:
    df[f'{col}'] = 0 #assiging 0 for the placeholder

print(df.columns)