前言
pandas为DataFrame格式数据添加新列的方法非常简单，只需要新建一个列索引，再为其赋值即可。
以下总结了5种常见添加新列的方法。
首先，创建一个DataFrame结构数据，作为数据举例。
import pandas as pd
# 创建一个DataFrame结构数据
data = {'a': ['a0', 'a1', 'a2'],
'b': ['b0', 'b1', 'b2']}
df = pd.DataFrame(data)
print('举例数据情况：\n', df)
添加新列的方法，如下：
一、insert()函数
语法：
DataFrame.insert(loc, column, value,allow_duplicates = False)
| 参数 | 说明 |
|---|---|
| loc | 必要字段，int类型数据，表示插入新列的列位置，原来在该位置的列将向右移。 |
| column | 必要字段，插入新列的列名。 |
| value | 必要字段，新列插入的值。如果仅提供一个值，将为所有行设置相同的值。可以是int，string，float等，甚至可以是series /值列表。 |
| allow_duplicates | 布尔值，用于检查是否存在具有相同名称的列。默认为False，不允许与已有的列名重复。 |
实例：插入c列
df.insert(loc=2, column='c', value=3) # 在最后一列后，插入值全为3的c列
print('插入c列：\n', df)
二、直接赋值法
语法：df[‘新列名’]=新列的值
实例：插入d列
df['d'] = [1, 2, 3] # 插入值为[1,2,3]的d列
print('插入d列：\n', df)
注：该方法不可以选择插入新列的位置，默认为最后一列。如果新增的一列值相同，直接为其赋值一个常量即可；如果插入值不同，为列表格式，需与已有列的行数长度一致，如举例中原来列为3行，新增列也必须有3个值。
三、reindex()函数
语法：df.reindex(columns=[原来所有的列名,新增列名],fill_value=值)
reindex()函数用法较多，此处只是针对添加新列的用法
实例：插入e列
df1 = df.reindex(columns=['a', 'b', 'c', 'd', 'e']) # 不加fill_value参数，默认值为Nan
df2 = df.reindex(columns=['a', 'b', 'c', 'd', 'e'], fill_value=1) # 加入fill_value参数，填充值为1
print('插入e列(不加fill_value参数)：\n', df1)
print('插入e列(加fill_value参数)：\n', df2)
注：该方法需要把原有的列名和新列名都加上，如果列名过多，就比较麻烦。
四、concat()函数
原理：利用拼接的方式，添加新的一列。好处是可以同时新增多个列名。
concat()函数用法较多，此处只是针对添加新列的用法
实例：插入f列
df1 = pd.concat([df1, pd.DataFrame(columns=['f'])])
print('插入f列：\n', df1)
五、loc()函数
原理：利用loc的行列索引标签来实现。
语法：df.loc[:,新列名]=值
实例：插入g列
df1.loc[:, 'g'] = 0
print('插入g列：\n', df1)
以上就是pandas添加新列的5种常见用法。
附：pandas根据现有列新添加一列
pandas中一个Dataframe，经常需要根据其中一列再新建一列，比如一个常见的例子：需要根据分数来确定等级范围，下面我们就来看一下怎么实现。
def getlevel(score):
if score < 60:
return "bad"
elif score < 80:
return "mid"
else:
return "good"
def test():
data = {'name': ['lili', 'lucy', 'tracy', 'tony', 'mike'],
'score': [85, 61, 75, 49, 90]
}
df = pd.DataFrame(data=data)
# 两种方式都可以
# df['level'] = df.apply(lambda x: getlevel(x['score']), axis=1)
df['level'] = df.apply(lambda x: getlevel(x.score), axis=1)
print(df)上面代码运行结果
name score level
0 lili 85 good
1 lucy 61 mid
2 tracy 75 mid
3 tony 49 bad
4 mike 90 good
要实现上面的功能，主要是使用到dataframe中的apply方法。
上面的代码，对dataframe新增加一列名为level，level由分数一列而来，如果小于60分为bad，60-80之间为mid，80以上为good。
其中axis=1表示原有dataframe的行不变，列的维数发生改变。
总结
到此这篇关于pandas添加新列的5种常见方法的文章就介绍到这了,更多相关pandas添加新列内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
