前言
pandas为DataFrame格式数据添加新列的方法非常简单，只需要新建一个列索引，再为其赋值即可。
以下总结了5种常见添加新列的方法。
首先，创建一个DataFrame结构数据，作为数据举例。
|
1
2
3
4
5
6
|
importpandas as pd
# 创建一个DataFrame结构数据
data ={'a': ['a0', 'a1', 'a2'],
'b': ['b0', 'b1', 'b2']}
df =pd.DataFrame(data)
print('举例数据情况：\n', df)
|
添加新列的方法，如下：
一、insert()函数
语法：
DataFrame.insert(loc, column, value,allow_duplicates = False)
参数 |
说明 |
loc |
必要字段，int类型数据，表示插入新列的列位置，原来在该位置的列将向右移。 |
column |
必要字段，插入新列的列名。 |
value |
必要字段，新列插入的值。如果仅提供一个值，将为所有行设置相同的值。可以是int，string，float等，甚至可以是series /值列表。 |
allow_duplicates |
布尔值，用于检查是否存在具有相同名称的列。默认为False，不允许与已有的列名重复。 |
实例：插入c列
|
1
2
|
df.insert(loc=2, column='c', value=3) # 在最后一列后，插入值全为3的c列
print('插入c列：\n', df)
|
二、直接赋值法
语法：df[‘新列名’]=新列的值
实例：插入d列
|
1
2
|
df['d'] =[1, 2, 3] # 插入值为[1,2,3]的d列
print('插入d列：\n', df)
|
注：该方法不可以选择插入新列的位置，默认为最后一列。如果新增的一列值相同，直接为其赋值一个常量即可；如果插入值不同，为列表格式，需与已有列的行数长度一致，如举例中原来列为3行，新增列也必须有3个值。
三、reindex()函数
语法：df.reindex(columns=[原来所有的列名,新增列名],fill_value=值)
df = df.reindex(columns=df.columns.tolist() + ['新增列名']+['新增列名'])
reindex()函数用法较多，此处只是针对添加新列的用法
实例：插入e列
|
1
2
3
4
|
df1 =df.reindex(columns=['a', 'b', 'c', 'd', 'e']) # 不加fill_value参数，默认值为Nan
df2 =df.reindex(columns=['a', 'b', 'c', 'd', 'e'], fill_value=1) # 加入fill_value参数，填充值为1
print('插入e列(不加fill_value参数)：\n', df1)
print('插入e列(加fill_value参数)：\n', df2)
|
注：该方法需要把原有的列名和新列名都加上，如果列名过多，就比较麻烦。
四、concat()函数
原理：利用拼接的方式，添加新的一列。好处是可以同时新增多个列名。
concat()函数用法较多，此处只是针对添加新列的用法
实例：插入f列
|
1
2
|
df1 =pd.concat([df1, pd.DataFrame(columns=['f'])])
print('插入f列：\n', df1)
|
五、loc()函数
原理：利用loc的行列索引标签来实现。
语法：df.loc[:,新列名]=值
实例：插入g列
|
1
2
|
df1.loc[:, 'g'] =0
print('插入g列：\n', df1)
|
以上就是pandas添加新列的5种常见用法。
附：pandas根据现有列新添加一列
pandas中一个Dataframe，经常需要根据其中一列再新建一列，比如一个常见的例子：需要根据分数来确定等级范围，下面我们就来看一下怎么实现。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
defgetlevel(score):
ifscore < 60:
return"bad"
elifscore < 80:
return"mid"
else:
return"good"
deftest():
data ={'name': ['lili', 'lucy', 'tracy', 'tony', 'mike'],
'score': [85, 61, 75, 49, 90]
}
df =pd.DataFrame(data=data)
# 两种方式都可以
# df['level'] = df.apply(lambda x: getlevel(x['score']), axis=1)
df['level'] =df.apply(lambdax: getlevel(x.score), axis=1)
print(df)
|
上面代码运行结果
name score level
0 lili 85 good
1 lucy 61 mid
2 tracy 75 mid
3 tony 49 bad
4 mike 90 good
要实现上面的功能，主要是使用到dataframe中的apply方法。
上面的代码，对dataframe新增加一列名为level，level由分数一列而来，如果小于60分为bad，60-80之间为mid，80以上为good。
其中axis=1表示原有dataframe的行不变，列的维数发生改变。
总结
到此这篇关于pandas添加新列的5种常见方法的文章就介绍到这了
