我试图弄清楚如何同时添加多个列的熊猫与熊猫。我希望在一个步骤中做到这一点，而不是重复多个步骤。
import pandas as pd
df = {'col_1': [0, 1, 2, 3],
'col_2': [4, 5, 6, 7]}
df = pd.DataFrame(df)
df[[ 'column_new_1', 'column_new_2','column_new_3']] = [np.nan, 'dogs',3] # I thought this would work here...
当前回答
你可以使用元组解包:
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
df['col3'], df['col4'] = 'a', 10
结果:
col1 col2 col3 col4
0 1 3 a 10
1 2 4 a 10
其他回答
使用列表理解，pd。DataFrame和pd.concat
pd.concat(
[
df,
pd.DataFrame(
[[np.nan, 'dogs', 3] for _ in range(df.shape[0])],
df.index, ['column_new_1', 'column_new_2','column_new_3']
)
], axis=1)
使用.assign()映射字典:
这是在处理多个列时用值分配新列的最具可读性和最动态的方式。
import pandas as pd
import numpy as np
new_cols = ["column_new_1", "column_new_2", "column_new_3"]
new_vals = [np.nan, "dogs", 3]
# Map new columns as keys and new values as values
col_val_mapping = dict(zip(new_cols, new_vals))
# Unpack new column/new value pairs and assign them to the data frame
df = df.assign(**col_val_mapping)
如果你只是想把新列的值初始化为空，因为你不知道这些值会是什么，或者你有很多新列。
import pandas as pd
import numpy as np
new_cols = ["column_new_1", "column_new_2", "column_new_3"]
new_vals = [None for item in new_cols]
# Map new columns as keys and new values as values
col_val_mapping = dict(zip(new_cols, new_vals))
# Unpack new column/new value pairs and assign them to the data frame
df = df.assign(**col_val_mapping)
你可以使用元组解包:
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
df['col3'], df['col4'] = 'a', 10
结果:
col1 col2 col3 col4
0 1 3 a 10
1 2 4 a 10
只是想指出@Matthias Fripp回答中的选项2
(2)我并不一定期望DataFrame以这种方式工作，但它确实如此 df[[‘column_new_1’,‘column_new_2’,‘column_new_3]] = pd.DataFrame ([[np。Nan， 'dogs'， 3]]， index=df.index)
熊猫自己的文档中已经有记录了吗 http://pandas.pydata.org/pandas-docs/stable/indexing.html#basics
您可以将列列表传递给[]以按此顺序选择列。 如果数据帧中不包含列，则会引发异常。 也可以通过这种方式设置多个列。 您可能会发现这对于将转换(就地)应用到列的子集很有用。
如果用相同的值添加很多缺失的列(a, b, c，....)，这里是0，我这样做:
new_cols = ["a", "b", "c" ]
df[new_cols] = pd.DataFrame([[0] * len(new_cols)], index=df.index)
这是基于公认答案的第二种变体。
