极客笔记Pandas中向DataFrame追加列的方法
参考：pandas append columns to dataframe
在数据处理和分析中，经常需要对数据进行整合或扩展，比如向现有的数据框（DataFrame）中添加新的列。Pandas是Python的一个强大的数据处理库，它提供了多种方式来向DataFrame中追加列。本文将详细介绍如何在Pandas中向DataFrame追加列，并提供多个示例代码以供参考。
1. 使用赋值方式添加列
最直接的向DataFrame添加列的方法是通过赋值。这种方法简单直观，可以快速地为DataFrame添加一列。
示例代码1
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 添加新列C
df['C'] = ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
print(df)
Output:
2. 使用assign方法添加列
assign方法可以在不改变原始DataFrame的基础上返回一个新的DataFrame，这个新的DataFrame包含了添加的新列。
示例代码2
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用assign添加新列C
new_df = df.assign(C=['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com'])
print(new_df)
Output:
3. 使用insert方法插入列
如果你需要在特定的位置插入列，可以使用insert方法。这个方法允许你指定列的插入位置。
示例代码3
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 在第1个位置插入新列C
df.insert(1, 'C', ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com'])
print(df)
Output:
4. 使用字典扩展DataFrame
当你有多列需要添加时，可以使用字典的方式进行扩展。
示例代码4
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 添加多列
df = df.assign(**{
'C': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com'],
'D': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
})
print(df)
Output:
5. 使用concat函数横向合并DataFrame
如果你有两个DataFrame，想要将它们按列合并，可以使用concat函数。
示例代码5
import pandas as pd
# 创建两个DataFrame
df1 = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
df2 = pd.DataFrame({
'C': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com'],
'D': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
})
# 横向合并DataFrame
result = pd.concat([df1, df2], axis=1)
print(result)
Output:
6. 使用merge函数按键合并
merge函数可以根据一个或多个键将不同的DataFrame的列合并到一起。
示例代码6
import pandas as pd
# 创建两个DataFrame
df1 = pd.DataFrame({
'Key': [1, 2, 3],
'A': [4, 5, 6]
})
df2 = pd.DataFrame({
'Key': [1, 2, 3],
'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
})
# 使用Key作为合并键
result = pd.merge(df1, df2, on='Key')
print(result)
Output:
7. 使用join方法添加列
join方法是另一种在DataFrame之间添加列的方法，它默认使用索引作为连接键。
示例代码7
import pandas as pd
# 创建两个DataFrame
df1 = pd.DataFrame({
'A': [1, 2, 3]
})
df2 = pd.DataFrame({
'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
})
# 使用索引作为连接键进行join操作
result = df1.join(df2)
print(result)
Output:
8. 使用update方法更新列
如果你需要更新DataFrame中的某些列的值，可以使用update方法。
示例代码8
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 创建另一个DataFrame用于更新
update_df = pd.DataFrame({
'A': [100, 200, 300],
'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
})
# 使用update更新列
df.update(update_df)
print(df)
9. 使用eval方法快速操作列
eval方法可以用来快速计算DataFrame中的表达式。
示例代码9
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用eval添加新列C
df.eval('C = A + B', inplace=True)
print(df)
Output:
10. 使用pipe方法应用函数
pipe方法可以将DataFrame通过一个函数进行处理，这在添加列时也非常有用。
示例代码10
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 定义一个添加列的函数
def add_column(data, column_name, value):
data[column_name] = value
return data
# 使用pipe添加新列C
df = df.pipe(add_column, 'C', 'pandasdataframe.com')
print(df)
Output:
以上就是在Pandas中向DataFrame追加列的十种方法。每种方法都有其适用场景，根据实际需要选择合适的方法来处理数据。