Adicionando uma nova coluna a um dataframe existente

ao trabalhar com os pandas de dados de dados, geralmente se torna necessário adicionar novas colunas aos dados de dados existentes. Existem várias abordagens para conseguir isso, cada uma com suas próprias vantagens e desvantagens. Usando atribuir (recomendado para pandas 0.17 e acima):

importar pandas como pd importar numpy como np # Gere uma amostra de dados de dados df1 = pd.dataframe ({ 'a': [0,671399, 0,446172, 0,614758], 'B': [0,101208, -0.243316, 0,075793], 'C': [-0.181532, 0,051767, -0.451460], 'D': [0,241273, 1.577318, -0.012493] }) # Adicione uma nova coluna 'e' com valores aleatórios Slength = Len (Df1 ['A']) df1 = df1.assign (e = pd.series (np.random.randn (slength)). Usando loc [row_index, col_indexer] = value:

import pandas as pd
import numpy as np

# Generate a sample DataFrame
df1 = pd.DataFrame({
    'a': [0.671399, 0.446172, 0.614758],
    'b': [0.101208, -0.243316, 0.075793],
    'c': [-0.181532, 0.051767, -0.451460],
    'd': [0.241273, 1.577318, -0.012493]
})

# Add a new column 'e' with random values
sLength = len(df1['a'])
df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)

3. Usando df [new_column_name] = pd.series (valores, index = df.index):

# Add a new column 'f' using loc
df1.loc[:, 'f'] = pd.Series(np.random.randn(sLength), index=df1.index)

Lembre -se de que o último método pode acionar o cenário que pode ser atendido em versões mais recentes dos pandas. Usando atribuir ou loc geralmente é recomendado para eficiência e clareza.