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
append方法自Pandas 1.4.0以来已弃用
因此，只有在使用实际的pandas DataFrame对象时才使用上述方法:
df["column"] = "value"
或者，如果在DataFrame副本的视图上设置值，请使用concat()或assign():
通过这种方式，新创建的Series具有与原始DataFrame相同的索引，因此将匹配精确的行
# adds a new column in view `where_there_is_one` named
# `client` with value `display_name`
# `df` remains unchanged
df = pd.DataFrame({"number": ([1]*5 + [0]*5 )})
where_there_is_one = df[ df["number"] == 1]
where_there_is_one = pd.concat([
where_there_is_one,
pd.Series(["display_name"]*df.shape[0],
index=df.index,
name="client")
],
join="inner", axis=1)
# Or use assign
where_there_is_one = where_there_is_one.assign(client = "display_name")
输出:
where_there_is_one: df:
| 0 | number | client | | 0 | number |
| --- | --- | --- | |---| -------|
| 0 | 1 | display_name | | 0 | 1 |
| 1 | 1 | display_name | | 1 | 1 |
| 2 | 1 | display_name | | 2 | 1 |
| 3 | 1 | display_name | | 3 | 1 |
| 4 | 1 | display_name | | 4 | 1 |
| 5 | 0 |
| 6 | 0 |
| 7 | 0 |
| 8 | 0 |
| 9 | 0 |
其他回答
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
总结其他人的建议，并加入第三种方法
您可以:
分配(* * kwargs): df.assign (Name = ' abc ') 访问新的列系列(它将被创建)并设置它: df['Name'] = 'abc' insert(loc, column, value, allow_duplates =False) df。insert(0， 'Name'， 'abc')
其中参数loc (0 <= loc <= len(columns))允许您在想要的位置插入列。
'loc'给出了你的列在插入后的索引。例如，上面的代码将列Name插入为第0列，即它将插入到第一列之前，成为新的第一列。(索引从0开始)。
所有这些方法都允许您从Series中添加一个新列(只需将上面的'abc'默认参数替换为Series)。
append方法自Pandas 1.4.0以来已弃用
因此，只有在使用实际的pandas DataFrame对象时才使用上述方法:
df["column"] = "value"
或者，如果在DataFrame副本的视图上设置值，请使用concat()或assign():
通过这种方式，新创建的Series具有与原始DataFrame相同的索引，因此将匹配精确的行
# adds a new column in view `where_there_is_one` named
# `client` with value `display_name`
# `df` remains unchanged
df = pd.DataFrame({"number": ([1]*5 + [0]*5 )})
where_there_is_one = df[ df["number"] == 1]
where_there_is_one = pd.concat([
where_there_is_one,
pd.Series(["display_name"]*df.shape[0],
index=df.index,
name="client")
],
join="inner", axis=1)
# Or use assign
where_there_is_one = where_there_is_one.assign(client = "display_name")
输出:
where_there_is_one: df:
| 0 | number | client | | 0 | number |
| --- | --- | --- | |---| -------|
| 0 | 1 | display_name | | 0 | 1 |
| 1 | 1 | display_name | | 1 | 1 |
| 2 | 1 | display_name | | 2 | 1 |
| 3 | 1 | display_name | | 3 | 1 |
| 4 | 1 | display_name | | 4 | 1 |
| 5 | 0 |
| 6 | 0 |
| 7 | 0 |
| 8 | 0 |
| 9 | 0 |
这一行就可以了。
df['name'] = 'abc'
单尾管工程
df['Name'] = 'abc'
创建“名称”列，并将所有行设置为abc值
