ฉันมี DataFrame ที่มีการทำดัชนีต่อไปนี้ซึ่งมีชื่อคอลัมน์และแถวไม่ใช่ตัวเลขต่อเนื่อง:

          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

ฉันต้องการเพิ่มคอลัมน์ใหม่'e'ลงในกรอบข้อมูลที่มีอยู่และไม่ต้องการเปลี่ยนแปลงอะไรในกรอบข้อมูล (เช่นคอลัมน์ใหม่จะมีความยาวเท่ากับ DataFrame เสมอ)

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

ฉันจะเพิ่มคอลัมน์eลงในตัวอย่างด้านบนได้อย่างไร

ใช้ดัชนี df1 ดั้งเดิมเพื่อสร้างซีรี่ส์:

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

แก้ไขปี 2015
บางคนรายงานว่ารับSettingWithCopyWarningรหัสนี้
อย่างไรก็ตามรหัสยังคงทำงานได้อย่างสมบูรณ์กับรุ่นปัจจุบันของแพนด้า 0.16.1

>>> 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

>>> p.version.short_version
'0.16.1'

SettingWithCopyWarningมีจุดมุ่งหมายที่จะแจ้งให้ของได้รับมอบหมายอาจจะไม่ถูกต้องในสำเนาของ Dataframe ไม่จำเป็นต้องบอกว่าคุณทำผิด (อาจทำให้เกิดผลบวกปลอม) แต่จาก 0.13.0 จะทำให้คุณรู้ว่ามีวิธีการที่เพียงพอมากกว่าสำหรับจุดประสงค์เดียวกัน จากนั้นหากคุณได้รับคำเตือนให้ทำตามคำแนะนำ: ลองใช้. loc [row_index, col_indexer] = ค่าแทน

>>> 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
>>> 

ในความเป็นจริงปัจจุบันนี้เป็นวิธีที่มีประสิทธิภาพมากขึ้นตามที่อธิบายไว้ในเอกสารหมีแพนด้า

แก้ไข 2017

ตามที่ระบุไว้ในความคิดเห็นและโดย @Alexander ปัจจุบันวิธีที่ดีที่สุดในการเพิ่มค่าของซีรี่ส์เป็นคอลัมน์ใหม่ของ DataFrame สามารถใช้งานได้assign:

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

นี่เป็นวิธีง่ายๆในการเพิ่มคอลัมน์ใหม่: df['e'] = e

ฉันต้องการเพิ่มคอลัมน์ใหม่ 'e' ลงใน data frame ที่มีอยู่และไม่เปลี่ยนแปลงอะไรใน data frame (ซีรีส์มีความยาวเท่ากับ dataframe เสมอ)

ฉันคิดว่าค่าดัชนีeนั้นตรงกับค่าในdf1ตรงกับผู้ที่อยู่ใน

วิธีที่ง่ายที่สุดในการเริ่มคอลัมน์ใหม่ที่มีชื่อว่าeและกำหนดค่าจากซีรี่ส์ของคุณe:

df['e'] = e.values

มอบหมาย (Pandas 0.16.0+)

ตั้งแต่ Pandas 0.16.0 คุณสามารถใช้assignซึ่งกำหนดคอลัมน์ใหม่ให้กับ DataFrame และส่งคืนออบเจ็กต์ใหม่ (สำเนา) พร้อมกับคอลัมน์ดั้งเดิมทั้งหมดนอกเหนือจากคอลัมน์ใหม่

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

ตามตัวอย่างนี้ (ซึ่งรวมถึงซอร์สโค้ดของassignฟังก์ชัน) คุณสามารถรวมคอลัมน์ได้มากกว่าหนึ่งคอลัมน์:

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

ในบริบทที่มีตัวอย่างของคุณ:

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

รายละเอียดของคุณสมบัติใหม่นี้เมื่อมันเป็นครั้งแรกที่สามารถพบได้ที่นี่

ดูเหมือนว่าใน Pandas เวอร์ชั่นล่าสุดวิธีการใช้df.assignคือ:

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

SettingWithCopyWarningมันไม่ได้ผลิต

การทำสิ่งนี้โดยตรงผ่านNumPyจะมีประสิทธิภาพมากที่สุด:

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

หมายเหตุข้อเสนอแนะดั้งเดิม (เก่ามาก) ของฉันคือการใช้map(ซึ่งช้ากว่ามาก):

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

การกำหนดคอลัมน์สุดง่าย

dataframe นุ่นถูกนำมาใช้เป็น dict สั่งของคอลัมน์

ซึ่งหมายความว่า__getitem__ []ไม่สามารถใช้เพื่อรับคอลัมน์บางคอลัมน์เท่านั้นได้__setitem__ [] =สามารถใช้เพื่อกำหนดคอลัมน์ใหม่ได้

ตัวอย่างเช่น dataframe นี้สามารถเพิ่มคอลัมน์โดยใช้[]accessor

    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

โปรดทราบว่าสิ่งนี้ใช้ได้แม้ว่าดัชนีของ dataframe จะปิดอยู่

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

[] = เป็นหนทางไป แต่ระวัง!

อย่างไรก็ตามหากคุณมี a pd.Seriesและพยายามที่จะกำหนดให้กับ dataframe ที่ดัชนีปิดคุณจะพบปัญหา ดูตัวอย่าง:

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

นี่คือเนื่องจากpd.Seriesโดยค่าเริ่มต้นมีดัชนีที่ระบุจาก 0 ถึง n และ[] =วิธีการของแพนด้าก็พยายาม ที่จะ "ฉลาด"

สิ่งที่เกิดขึ้นจริง

เมื่อคุณใช้[] =วิธีการแพนด้าดำเนินการเข้าร่วมด้านนอกหรือผสานภายนอกอย่างเงียบ ๆ โดยใช้ดัชนีของดาต้าเฟรมซ้ายและดัชนีของซีรีย์ขวามือdf['column'] = series

ข้อความด้านข้าง

สิ่งนี้ทำให้เกิดความไม่ลงรอยกันขององค์ความรู้อย่างรวดเร็วเนื่องจาก[]=วิธีการพยายามทำสิ่งต่าง ๆ มากมายขึ้นอยู่กับอินพุตและผลลัพธ์ไม่สามารถคาดการณ์ได้จนกว่าคุณจะรู้ว่าแพนด้าทำงานอย่างไร ฉันจะให้คำแนะนำกับ[]=ในฐานรหัส แต่เมื่อสำรวจข้อมูลในโน้ตบุ๊กก็ดี

การแก้ไขปัญหา

หากคุณมีpd.Seriesและต้องการให้มันได้รับมอบหมายจากบนลงล่างหรือถ้าคุณกำลังเขียนโค้ดที่มีประสิทธิผลและคุณไม่แน่ใจในคำสั่งดัชนีมันคุ้มค่าที่จะป้องกันปัญหาประเภทนี้

คุณสามารถ downcast pd.Seriesไปที่ a np.ndarrayหรือสิ่งlistนี้จะทำเคล็ดลับ

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

หรือ

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

แต่นี่ไม่ชัดเจนมาก

ผู้เขียนโค้ดบางคนอาจเข้ามาและพูดว่า "เฮ้นี่ดูซ้ำซ้อนฉันจะทำให้มันหายไป"

วิธีที่ชัดเจน

การตั้งค่าดัชนีของpd.Seriesเป็นดัชนีของdfชัดเจน

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

หรือมากกว่าความเป็นจริงคุณอาจมีpd.Seriesอยู่แล้ว

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

3     no
2     no
1     no
0    yes

สามารถกำหนดได้แล้ว

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

ทางเลือกด้วย df.reset_index()

เนื่องจากความไม่สอดคล้องกันของดัชนีเป็นปัญหาหากคุณรู้สึกว่าดัชนีของ dataframe ไม่ควรกำหนดสิ่งต่าง ๆ คุณสามารถวางดัชนีได้สิ่งนี้น่าจะเร็วกว่า แต่ก็ไม่สะอาดมากเพราะฟังก์ชั่นของคุณอาจทำสองสิ่ง

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

หมายเหตุเกี่ยวกับ df.assign

ในขณะที่df.assignทำให้ชัดเจนยิ่งขึ้นในสิ่งที่คุณกำลังทำ แต่จริงๆแล้วมันมีปัญหาเช่นเดียวกับข้างต้น[]=

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

เพียงแค่ดูออกมาพร้อมกับที่คอลัมน์ของคุณไม่ได้เรียกว่าdf.assign selfมันจะทำให้เกิดข้อผิดพลาด สิ่งนี้ทำให้df.assign มีกลิ่นเนื่องจากมีสิ่งประดิษฐ์ประเภทนี้ในฟังก์ชั่น

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

คุณอาจพูดว่า "เอาล่ะฉันจะไม่ใช้selfแล้ว" แต่ใครจะรู้ว่าฟังก์ชั่นนี้จะเปลี่ยนไปในอนาคตเพื่อรองรับข้อโต้แย้งใหม่ บางทีชื่อคอลัมน์ของคุณอาจเป็นข้อโต้แย้งในการอัพเดทใหม่ของนุ่นทำให้เกิดปัญหากับการอัพเกรด

วิธีที่ง่ายที่สุด: -

data['new_col'] = list_of_values

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

วิธีนี้คุณหลีกเลี่ยงสิ่งที่เรียกว่าการจัดทำดัชนีแบบมีลูกโซ่เมื่อตั้งค่าใหม่ในวัตถุแพนด้า คลิกที่นี่เพื่ออ่านเพิ่มเติม

หากคุณต้องการตั้งค่าคอลัมน์ใหม่ทั้งหมดเป็นค่าฐานเริ่มต้น (เช่นNone) คุณสามารถทำได้ดังนี้:df1['e'] = None

สิ่งนี้จะกำหนดประเภท "วัตถุ" ให้กับเซลล์ ดังนั้นในภายหลังคุณสามารถใส่ชนิดข้อมูลที่ซับซ้อนเช่นรายการลงในเซลล์แต่ละเซลล์ได้

ฉันได้รับความหวาดกลัวSettingWithCopyWarningและไม่ได้รับการแก้ไขโดยใช้ไวยากรณ์ iloc DataFrame ของฉันถูกสร้างขึ้นโดย read_sql จากแหล่ง ODBC การใช้ข้อเสนอแนะโดย lowtech ด้านบนทำงานได้สำหรับฉัน:

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

วิธีนี้ใช้ได้ผลดีในการแทรกคอลัมน์ที่ส่วนท้าย ฉันไม่รู้ว่ามันมีประสิทธิภาพมากที่สุดหรือไม่ แต่ฉันไม่ชอบข้อความเตือน ฉันคิดว่ามันมีวิธีแก้ปัญหาที่ดีกว่า แต่ฉันหามันไม่เจอและฉันคิดว่ามันขึ้นอยู่กับบางแง่มุมของดัชนี หมายเหตุ
ว่าใช้งานได้เพียงครั้งเดียวและจะให้ข้อความแสดงข้อผิดพลาดหากพยายามเขียนทับและคอลัมน์ที่มีอยู่
หมายเหตุข้างต้นและจากการมอบหมาย 0.16.0 เป็นทางออกที่ดีที่สุด ดูเอกสารประกอบhttp://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.assign.html#pandas.DataFrame.assign ทำงานได้ดีสำหรับประเภทการไหลของข้อมูลที่คุณไม่เขียนทับค่ากลางของคุณ

1. ก่อนอื่นให้สร้างงูหลามlist_of_eที่มีข้อมูลที่เกี่ยวข้อง
2. ใช้สิ่งนี้: df['e'] = list_of_e

หากคอลัมน์ที่คุณพยายามเพิ่มเป็นตัวแปรชุดให้ทำดังนี้

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

วิธีนี้ใช้ได้ดีแม้ว่าคุณจะแทนที่คอลัมน์ที่มีอยู่เพียงพิมพ์ new_columns_name เหมือนกับคอลัมน์ที่คุณต้องการแทนที่มันจะเขียนทับข้อมูลคอลัมน์ที่มีอยู่ด้วยข้อมูลชุดข้อมูลใหม่

หากกรอบข้อมูลและวัตถุชุดมีดัชนีเดียวกัน , pandas.concatยังใช้งานได้ที่นี่:

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

ในกรณีที่พวกเขาไม่มีดัชนีเดียวกัน:

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

จะเข้าใจผิด:

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

ตัวอย่าง:

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

ผมขอเพียงแค่เพิ่มว่าเหมือนเป็นเพียงสำหรับhum3 , .locไม่ได้แก้ปัญหาและฉันมีรีสอร์ทให้SettingWithCopyWarning df.insert()ในกรณีของฉัน false positive ถูกสร้างโดยการจัดทำดัชนีเชน "ปลอม" dict['a']['e']ซึ่ง'e'เป็นคอลัมน์ใหม่และdict['a'] DataFrame มาจากพจนานุกรม

โปรดทราบว่าหากคุณรู้ว่าคุณกำลังทำอะไรคุณสามารถสลับการเตือนโดยใช้ pd.options.mode.chained_assignment = None และใช้โซลูชันอื่นที่ได้รับจากที่นี่

เพื่อแทรกคอลัมน์ใหม่ในตำแหน่งที่กำหนด (0 <= loc <= จำนวนคอลัมน์) ใน data frame เพียงใช้ Dataframe.insert:

DataFrame.insert(loc, column, value)

ดังนั้นหากคุณต้องการเพิ่มคอลัมน์eที่ท้ายเฟรมข้อมูลชื่อdfคุณสามารถใช้:

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

ค่าสามารถเป็นอนุกรมจำนวนเต็ม (ซึ่งในกรณีนี้เซลล์ทั้งหมดจะได้รับการเติมด้วยค่านี้) หรือโครงสร้างแบบอาร์เรย์

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

ก่อนที่จะกำหนดคอลัมน์ใหม่ถ้าคุณมีข้อมูลดัชนีคุณต้องเรียงลำดับดัชนี อย่างน้อยในกรณีของฉันฉันต้อง:

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])

สิ่งหนึ่งที่ควรทราบคือถ้าคุณทำ

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

สิ่งนี้จะเป็นการเข้าร่วมด้านซ้ายบน df1.index ดังนั้นหากคุณต้องการให้เอฟเฟกต์การรวมภายนอกโซลูชันที่ไม่สมบูรณ์ของฉันอาจจะสร้างดาต้าเฟรมที่มีค่าดัชนีครอบคลุมจักรวาลของข้อมูลของคุณแล้วใช้รหัสด้านบน ตัวอย่างเช่น,

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

ฉันกำลังมองหาวิธีทั่วไปในการเพิ่มคอลัมน์ของnumpy.nans ไปยัง dataframe โดยไม่ทำให้โง่SettingWithCopyWarningโดยไม่ได้รับคนใบ้

จากต่อไปนี้:

• คำตอบที่นี่
• คำถามนี้เกี่ยวกับการส่งตัวแปรเป็นอาร์กิวเมนต์คำหลัก
• วิธีนี้สำหรับการสร้างnumpyอาร์เรย์ของ NaN ในบรรทัด

ฉันมากับสิ่งนี้:

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

ในการเพิ่มคอลัมน์ใหม่ 'e' ลงในกรอบข้อมูลที่มีอยู่

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

เพื่อความสมบูรณ์ - ยังเป็นอีกหนึ่งโซลูชันที่ใช้DataFrame.eval () :

ข้อมูล:

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

สารละลาย:

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

เพื่อสร้างคอลัมน์ว่าง

df['i'] = None

ต่อไปนี้เป็นสิ่งที่ฉันทำ ... แต่ฉันค่อนข้างใหม่กับหมีแพนด้าและ Python โดยทั่วไปจริงๆแล้วไม่มีสัญญา

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)

หากคุณได้รับSettingWithCopyWarningการแก้ไขอย่างง่ายคือการคัดลอก DataFrame ที่คุณพยายามเพิ่มคอลัมน์ไป

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