我有以下索引DataFrame命名列和行不连续的数字:
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
我想添加一个新列，'e'，到现有的数据帧，并不想改变数据帧中的任何东西(即，新列始终具有与DataFrame相同的长度)。
0 -0.335485
1 -1.166658
2 -0.385571
dtype: float64
如何将列e添加到上面的例子中?
当前回答
我得到了可怕的SettingWithCopyWarning，它没有通过使用iloc语法修复。我的DataFrame是由read_sql从ODBC源创建的。根据上面low - tech的建议，以下方法对我来说是有效的:
df.insert(len(df.columns), 'e', pd.Series(np.random.randn(sLength), index=df.index))
This worked fine to insert the column at the end. I don't know if it is the most efficient, but I don't like warning messages. I think there is a better solution, but I can't find it, and I think it depends on some aspect of the index. Note. That this only works once and will give an error message if trying to overwrite and existing column. Note As above and from 0.16.0 assign is the best solution. See documentation http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.assign.html#pandas.DataFrame.assign Works well for data flow type where you don't overwrite your intermediate values.
其他回答
如果我们想给df中一个新列的所有行赋一个标量值，例如:10:
df = df.assign(new_col=lambda x:10) # x is each row passed in to the lambda func
Df现在在所有行中都有值为10的新列'new_col'。
但有一点需要注意，如果你这样做了
df1['e'] = Series(np.random.randn(sLength), index=df1.index)
这实际上是df1.index上的左连接。因此，如果您希望具有外部连接效果，我的解决方案可能并不完美，即创建一个包含所有数据的索引值的数据框架，然后使用上面的代码。例如,
data = pd.DataFrame(index=all_possible_values)
df1['e'] = Series(np.random.randn(sLength), index=df1.index)
我想添加一个新的列，'e'，到现有的数据帧，不改变数据帧中的任何东西。(序列总是与数据帧的长度相同。)
我假设e中的下标值与df1中的下标值匹配。
初始化一个名为e的新列，并将级数e中的值赋给它的最简单方法:
df['e'] = e.values
分配(熊猫0.16.0+)
从Pandas 0.16.0开始，你还可以使用assign，它将新列分配给DataFrame，并返回一个新对象(副本)，其中包含所有原始列和新列。
df1 = df1.assign(e=e.values)
根据这个例子(也包括assign函数的源代码)，你也可以包含多个列:
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
在你的例子中:
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
这个新特性首次引入时的描述可以在这里找到。
我正在寻找一种添加numpy列的通用方法。nans到一个数据帧而不得到愚蠢的SettingWithCopyWarning。
从以下方面:
答案在这里 关于将变量作为关键字参数传递的问题 此方法用于生成一个numpy数组的NaNs
我想到了这个:
col = 'column_name'
df = df.assign(**{col:numpy.full(len(df), numpy.nan)})
在最近的Pandas版本中，似乎应该使用df.assign:
df1 = df1.assign(e=np.random)
它不会产生SettingWithCopyWarning。
