我有一个现有的数据框架，我需要添加一个额外的列，其中将包含每一行相同的值。
现有的df:
Date, Open, High, Low, Close
01-01-2015, 565, 600, 400, 450
新df:
Name, Date, Open, High, Low, Close
abc, 01-01-2015, 565, 600, 400, 450
我知道如何附加现有的系列/数据帧列。但这是一个不同的情况，因为我所需要的是添加'Name'列，并将每一行设置为相同的值，在本例中为'abc'。
当前回答
好的，我在这里有一个类似的情况，但如果我把这段代码使用:df['Name']='abc' 相反，'abc'是我想从csv文件中的其他地方获取的新列的名称。
正如你从图片中看到的，df还没有被清理，但我想创建2列，名称为“ADI dms rivoli”，这将继续用于每一行，“December 2019”也是如此。希望你明白了，很难解释，对不起。
其他回答
df['Name']='abc'将添加新列，并将所有行设置为该值:
In [79]:
df
Out[79]:
Date, Open, High, Low, Close
0 01-01-2015, 565, 600, 400, 450
In [80]:
df['Name'] = 'abc'
df
Out[80]:
Date, Open, High, Low, Close Name
0 01-01-2015, 565, 600, 400, 450 abc
这一行就可以了。
df['name'] = 'abc'
我想让大家更多地关注一下@michele-piccolini的部分回答。
我坚信.assign是最好的解决方案。在现实世界中，这些操作不是孤立的，而是在一系列操作中。如果你想要支持一个操作链，你可能应该使用.assign方法。
下面是一个使用滑雪胜地降雪数据的例子(但同样的原则也适用于……金融数据)。
这段代码读起来像一个步骤食谱。赋值(with =)和.insert都让这变得更加困难:
raw = pd.read_csv('https://github.com/mattharrison/datasets/raw/master/data/alta-noaa-1980-2019.csv',
parse_dates=['DATE'])
def clean_alta(df):
return (df
.loc[:, ['STATION', 'NAME', 'LATITUDE', 'LONGITUDE', 'ELEVATION', 'DATE',
'PRCP', 'SNOW', 'SNWD', 'TMAX', 'TMIN', 'TOBS']]
.groupby(pd.Grouper(key='DATE', freq='W'))
.agg({'PRCP': 'sum', 'TMAX': 'max', 'TMIN': 'min', 'SNOW': 'sum', 'SNWD': 'mean'})
.assign(LOCATION='Alta',
T_RANGE=lambda w_df: w_df.TMAX-w_df.TMIN)
)
clean_alta(raw)
请注意.assign(LOCATION='Alta'这一行，它在其余操作中间创建了一个包含单个值的列。
您可以使用insert来指定新列的位置。在本例中，我使用0将新列放在左边。
df.insert(0, 'Name', 'abc')
Name Date Open High Low Close
0 abc 01-01-2015 565 600 400 450
您可以简单地执行以下操作:
df['New Col'] = pd.Series(["abc" for x in range(len(df.index))])
