Bir DataFrame verildiğinde:

np.random.seed(0)
df = pd.DataFrame(np.random.randn(3, 3), columns=list('ABC'), index=[1, 2, 3])
df

          A         B         C
1  1.764052  0.400157  0.978738
2  2.240893  1.867558 -0.977278
3  0.950088 -0.151357 -0.103219

0 gibi sabit bir değer içeren yeni bir sütun eklemenin en basit yolu nedir?

          A         B         C  new
1  1.764052  0.400157  0.978738    0
2  2.240893  1.867558 -0.977278    0
3  0.950088 -0.151357 -0.103219    0

Bu benim çözümüm, ancak bunun neden NaN'yi 'yeni' sütuna koyduğunu bilmiyorum?

df['new'] = pd.Series([0 for x in range(len(df.index))])

          A         B         C  new
1  1.764052  0.400157  0.978738  0.0
2  2.240893  1.867558 -0.977278  0.0
3  0.950088 -0.151357 -0.103219  NaN

Bu koyar nedeni NaNçünkü bir sütuna olan df.indexve Indexsağ tarafta gösterilen bir nesnenin farklı. @zach, yeni bir sıfır sütunu atamanın doğru yolunu gösterir. Genel pandasolarak, endeksleri olabildiğince fazla hizalamaya çalışır. Tek dezavantajı endeksleri hizalanmamıştır aldığınız olduğunu NaNonlar her yerde değil hizalanmış. Kısmen, tamamen ve tamamen hizalı olmayan indislere sahip nesnelerle hizalama çalışmaları için bir miktar önsezi kazanmak için reindexve alignyöntemleriyle oynayın . Örneğin DataFrame.align(), kısmen hizalanmış endekslerle şu şekilde çalışır:

In [7]: from pandas import DataFrame

In [8]: from numpy.random import randint

In [9]: df = DataFrame({'a': randint(3, size=10)})

In [10]:

In [10]: df
Out[10]:
   a
0  0
1  2
2  0
3  1
4  0
5  0
6  0
7  0
8  0
9  0

In [11]: s = df.a[:5]

In [12]: dfa, sa = df.align(s, axis=0)

In [13]: dfa
Out[13]:
   a
0  0
1  2
2  0
3  1
4  0
5  0
6  0
7  0
8  0
9  0

In [14]: sa
Out[14]:
0     0
1     2
2     0
3     1
4     0
5   NaN
6   NaN
7   NaN
8   NaN
9   NaN
Name: a, dtype: float64

Süper basit yerinde atama: df['new'] = 0

Yerinde değişiklik için doğrudan atama gerçekleştirin. Bu ödev, her satır için pandalar tarafından yayınlanır.

df = pd.DataFrame('x', index=range(4), columns=list('ABC'))
df

   A  B  C
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x

df['new'] = 'y'
# Same as,
# df.loc[:, 'new'] = 'y'
df

   A  B  C new
0  x  x  x   y
1  x  x  x   y
2  x  x  x   y
3  x  x  x   y

Nesne sütunları için not

Boş listelerden oluşan bir sütun eklemek istiyorsanız, işte tavsiyem:

• Bunu yapmamayı düşünün. objectsütunlar performans açısından kötü haberdir. Verilerinizin nasıl yapılandırıldığını yeniden düşünün.
• Verilerinizi seyrek bir veri yapısında depolamayı düşünün. Daha fazla bilgi: seyrek veri yapıları

• Bir liste sütununu depolamanız gerekiyorsa, aynı referansı birden çok kez kopyalamadığınızdan emin olun.

  # Wrong
  df['new'] = [[]] * len(df)
  # Right
  df['new'] = [[] for _ in range(len(df))]
  

Bir kopya oluşturma: df.assign(new=0)

Bunun yerine bir kopyasına ihtiyacınız varsa, şunu kullanın DataFrame.assign:

df.assign(new='y')

   A  B  C new
0  x  x  x   y
1  x  x  x   y
2  x  x  x   y
3  x  x  x   y

Ve aynı değere sahip bu tür birden çok sütunu atamanız gerekirse, bu,

c = ['new1', 'new2', ...]
df.assign(**dict.fromkeys(c, 'y'))

   A  B  C new1 new2
0  x  x  x    y    y
1  x  x  x    y    y
2  x  x  x    y    y
3  x  x  x    y    y

Birden çok sütun ataması

Son olarak, farklı değerlere sahip birden çok sütun atamanız gerekiyorsa assign, bir sözlükle kullanabilirsiniz .

c = {'new1': 'w', 'new2': 'y', 'new3': 'z'}
df.assign(**c)

   A  B  C new1 new2 new3
0  x  x  x    w    y    z
1  x  x  x    w    y    z
2  x  x  x    w    y    z
3  x  x  x    w    y    z

Modern pandalarla şunları yapabilirsiniz:

df['new'] = 0

İşte lambdas kullanan başka bir astar (sabit değer = 10 olan sütun oluşturun)

df['newCol'] = df.apply(lambda x: 10, axis=1)

önce

df
    A           B           C
1   1.764052    0.400157    0.978738
2   2.240893    1.867558    -0.977278
3   0.950088    -0.151357   -0.103219

sonra

df
        A           B           C           newCol
    1   1.764052    0.400157    0.978738    10
    2   2.240893    1.867558    -0.977278   10
    3   0.950088    -0.151357   -0.103219   10