รับ DataFrame:

np.random.seed(0)
df = pd.DataFrame(np.random.randn(3, 3), columns=list('ABC'), index=[1, 2, 3])
df

          A         B         C
1  1.764052  0.400157  0.978738
2  2.240893  1.867558 -0.977278
3  0.950088 -0.151357 -0.103219

วิธีที่ง่ายที่สุดในการเพิ่มคอลัมน์ใหม่ที่มีค่าคงที่เช่น 0 คืออะไร?

          A         B         C  new
1  1.764052  0.400157  0.978738    0
2  2.240893  1.867558 -0.977278    0
3  0.950088 -0.151357 -0.103219    0

นี่เป็นวิธีแก้ปัญหาของฉัน แต่ฉันไม่รู้ว่าเหตุใดจึงทำให้ NaN เป็นคอลัมน์ 'ใหม่'

df['new'] = pd.Series([0 for x in range(len(df.index))])

          A         B         C  new
1  1.764052  0.400157  0.978738  0.0
2  2.240893  1.867558 -0.977278  0.0
3  0.950088 -0.151357 -0.103219  NaN

สาเหตุที่ทำให้NaNเป็นคอลัมน์เนื่องจากdf.indexและIndexวัตถุด้านขวามือของคุณแตกต่างกัน @zach แสดงวิธีที่เหมาะสมในการกำหนดคอลัมน์ใหม่ของศูนย์ โดยทั่วไปpandasพยายามจัดแนวดัชนีให้มากที่สุด ข้อเสียอย่างหนึ่งคือเมื่อดัชนีไม่ได้รับการจัดแนวคุณจะได้รับNaNทุกที่ที่ไม่ได้จัดแนว ลองเล่นกับวิธีการreindexและalignเพื่อให้ได้สัญชาตญาณในการจัดแนวทำงานกับวัตถุที่มีดัชนีจัดแนวบางส่วนทั้งหมดและไม่จัดแนวทั้งหมด ตัวอย่างเช่นนี่คือวิธีการDataFrame.align()ทำงานกับดัชนีที่จัดแนวบางส่วน:

In [7]: from pandas import DataFrame

In [8]: from numpy.random import randint

In [9]: df = DataFrame({'a': randint(3, size=10)})

In [10]:

In [10]: df
Out[10]:
   a
0  0
1  2
2  0
3  1
4  0
5  0
6  0
7  0
8  0
9  0

In [11]: s = df.a[:5]

In [12]: dfa, sa = df.align(s, axis=0)

In [13]: dfa
Out[13]:
   a
0  0
1  2
2  0
3  1
4  0
5  0
6  0
7  0
8  0
9  0

In [14]: sa
Out[14]:
0     0
1     2
2     0
3     1
4     0
5   NaN
6   NaN
7   NaN
8   NaN
9   NaN
Name: a, dtype: float64

การมอบหมายงานในสถานที่ที่ง่ายสุด ๆ : df['new'] = 0

สำหรับการปรับเปลี่ยนในสถานที่ให้ดำเนินการมอบหมายโดยตรง งานนี้ถ่ายทอดโดยแพนด้าสำหรับแต่ละแถว

df = pd.DataFrame('x', index=range(4), columns=list('ABC'))
df

   A  B  C
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x

df['new'] = 'y'
# Same as,
# df.loc[:, 'new'] = 'y'
df

   A  B  C new
0  x  x  x   y
1  x  x  x   y
2  x  x  x   y
3  x  x  x   y

หมายเหตุสำหรับคอลัมน์วัตถุ

หากคุณต้องการเพิ่มคอลัมน์ของรายการว่างนี่คือคำแนะนำของฉัน:

• อย่าทำเช่นนี้ objectคอลัมน์เป็นข่าวร้ายในแง่ของประสิทธิภาพ คิดใหม่ว่าข้อมูลของคุณมีโครงสร้างอย่างไร
• พิจารณาจัดเก็บข้อมูลของคุณในโครงสร้างข้อมูลแบบกระจัดกระจาย ข้อมูลเพิ่มเติม: โครงสร้างข้อมูลกระจัดกระจาย

• หากคุณต้องจัดเก็บคอลัมน์ของรายการอย่าคัดลอกการอ้างอิงเดียวกันหลายครั้ง

  # Wrong
  df['new'] = [[]] * len(df)
  # Right
  df['new'] = [[] for _ in range(len(df))]
  

การสร้างสำเนา: df.assign(new=0)

หากคุณต้องการสำเนาแทนให้ใช้DataFrame.assign:

df.assign(new='y')

   A  B  C new
0  x  x  x   y
1  x  x  x   y
2  x  x  x   y
3  x  x  x   y

และหากคุณต้องการกำหนดหลายคอลัมน์ที่มีค่าเดียวกันก็ทำได้ง่ายๆเพียงแค่

c = ['new1', 'new2', ...]
df.assign(**dict.fromkeys(c, 'y'))

   A  B  C new1 new2
0  x  x  x    y    y
1  x  x  x    y    y
2  x  x  x    y    y
3  x  x  x    y    y

การกำหนดหลายคอลัมน์

สุดท้ายหากคุณต้องการกำหนดหลายคอลัมน์ด้วยค่าที่ต่างกันคุณสามารถใช้assignกับพจนานุกรมได้

c = {'new1': 'w', 'new2': 'y', 'new3': 'z'}
df.assign(**c)

   A  B  C new1 new2 new3
0  x  x  x    w    y    z
1  x  x  x    w    y    z
2  x  x  x    w    y    z
3  x  x  x    w    y    z

ด้วยแพนด้าสมัยใหม่คุณสามารถทำได้:

df['new'] = 0

นี่คืออีกหนึ่งซับโดยใช้ lambdas (สร้างคอลัมน์ด้วยค่าคงที่ = 10)

df['newCol'] = df.apply(lambda x: 10, axis=1)

ก่อน

df
    A           B           C
1   1.764052    0.400157    0.978738
2   2.240893    1.867558    -0.977278
3   0.950088    -0.151357   -0.103219

หลังจาก

df
        A           B           C           newCol
    1   1.764052    0.400157    0.978738    10
    2   2.240893    1.867558    -0.977278   10
    3   0.950088    -0.151357   -0.103219   10