DataFrame 新增列的五种方法

本文总结了向.:,,loc,obj['col']添加新列的五种方法，并用代码进行了演示。

1. 准备数据

导入所需的包并创建一个新示例

in [1]: import pandas as pd
	 	import numpy as np
in [2]: data = pd.Dataframe(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'])
in [3]: data
out[3]:
	 	a 	b 	c
	0 	1 	2 	3
	1 	4 	5 	6
	2 	7 	8 	9

2. 方法

使用的方法，第一个参数指定插入列的位置，第二个参数指定插入列的列名，第三个参数指定插入列的数据。 这个方法也是我最喜欢的。

in [4]: data.insert(data.shape[1], 'd', 0)
in [5]: data
out[5]:
		a 	b 	c 	d
	0 	1 	2 	3 	0
	1 	4 	5 	6 	0
	2 	7 	8 	9 	0

3. obj['col'] = value方法

直接赋值给

in [6]: data['d'] = 0
in [7]: data
out[7]:
	 	a 	b 	c 	d
	0 	1 	2 	3 	0
	1 	4 	5 	6 	0
	2 	7 	8 	9 	0

4. 方法

使用该函数，还可以指定值来填充缺失值，但缺点是需要同时添加原始列名和新列名。 如果列名太多的话就比较麻烦。

in [8]: data = data.reindex(columns=['a', 'b', 'c', 'd'], fill_value=0)
in [9]: data
out[9]:
		a 	b 	c 	d
	0 	1 	2 	3 	0
	1 	4 	5 	6 	0
	2 	7 	8 	9 	0

5. 方法

该方法用于拼接数据，这里是利用拼接过程创建一个包含新列名的空白空间。 优点是可以同时添加多个列名。

in [10]: data = pd.concat([data, pd.Dataframe(columns=['d'])], sort=False)
in [11]: data
out[11]:
		a 		b 		c 		d
	0 	1.0 	2.0 	3.0 	NaN
	1 	4.0 	5.0 	6.0 	NaN
	2 	7.0 	8.0 	9.0 	NaN

六、loc方法

loc方法和iloc方法一样，可以对数据建立索引，通常通过data.loc[index, col] = value来赋值，这里使用：对所有行建立索引然后赋值。

in [12]: data.loc[:, 'd'] = 0
in [13]: data
out[13]:
	 	a 	b 	c 	d
	0 	1 	2 	3 	0
	1 	4 	5 	6 	0
	2 	7 	8 	9 	0