在Python Pandas中向现有DataFrame添加新列

Question

我有以下索引的DataFrame，其中的命名列和行不是连续数字：

          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'e'在现有数据框架中添加新列，并且不想更改数据框架中的任何内容（即，新列的长度始终与DataFrame相同）。

0   -0.335485
1   -1.166658
2   -0.385571
dtype: float64

我尝试了不同的版本join，append，merge，但我没有得到我想要的，最多只是错误的结果。如何e在上面的示例中添加列？

Answer 1

使用原始的df1索引创建系列：

df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)

编辑2015年
有些人报告SettingWithCopyWarning使用此代码。
但是，该代码仍可以在当前的熊猫0.10.1版本中完美运行。

>>> sLength = len(df1['a'])
>>> df1
          a         b         c         d
6 -0.269221 -0.026476  0.997517  1.294385
8  0.917438  0.847941  0.034235 -0.448948

>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e
6 -0.269221 -0.026476  0.997517  1.294385  1.757167
8  0.917438  0.847941  0.034235 -0.448948  2.228131

>>> p.version.short_version
'0.16.1'

该SettingWithCopyWarning目标对数据帧的副本通知可能无效转让的。它不一定表示您做错了（它可能会触发误报），但从0.13.0起，它会让您知道有更多适当的方法可以实现相同的目的。然后，如果收到警告，请遵循其建议：尝试使用.loc [row_index，col_indexer] = value代替

>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e         f
6 -0.269221 -0.026476  0.997517  1.294385  1.757167 -0.050927
8  0.917438  0.847941  0.034235 -0.448948  2.228131  0.006109
>>> 

实际上，这是目前熊猫文档中描述的更有效的方法

编辑2017

如评论中所述，@ Alexander指出，当前最好将Series的值添加为DataFrame的新列的最佳方法是使用assign：

df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)