同时向 Pandas DataFrame 添加多个列

在 Pandas 数据操作中，有效地向 DataFrame 添加多个新列可能是一项需要优雅解决方案的任务。虽然使用带有等号的列列表语法的直观方法可能看起来很简单，但它可能会导致意外的结果。

挑战

如提供的示例中所示，以下语法无法按预期创建新列：

df[['column_new_1', 'column_new_2', 'column_new_3']] = [np.nan, 'dogs', 3]

这是因为在使用列列表语法时，Pandas 要求赋值的右侧是一个 DataFrame。标量值或列表与此方法不兼容。

解决方案

几种替代方法提供了同时添加多个列的可行解决方案：

方法 1：单独分配使用迭代器解包

df['column_new_1'], df['column_new_2'], df['column_new_3'] = np.nan, 'dogs', 3

方法2：展开单行以匹配索引

df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.DataFrame([[np.nan, 'dogs', 3]], index=df.index)

方法 3：使用 pd.concat

df = pd.concat(
    [
        df,
        pd.DataFrame(
            [[np.nan, 'dogs', 3]], 
            index=df.index, 
            columns=['column_new_1', 'column_new_2', 'column_new_3']
        )
    ], axis=1
)

方法4：使用.join

df = df.join(pd.DataFrame(
    [[np.nan, 'dogs', 3]], 
    index=df.index, 
    columns=['column_new_1', 'column_new_2', 'column_new_3']
))

方法五：使用字典作为临时DataFrame

df = df.join(pd.DataFrame(
    {
        'column_new_1': np.nan,
        'column_new_2': 'dogs',
        'column_new_3': 3
    }, index=df.index
))

方法 6：使用 .assign() 与多个列参数

df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)

方法 7：创建列，然后赋值

new_cols = ['column_new_1', 'column_new_2', 'column_new_3']
new_vals = [np.nan, 'dogs', 3]
df = df.reindex(columns=df.columns.tolist()   new_cols)    # add empty cols
df[new_cols] = new_vals        # multi-column assignment works for existing cols

方法 8：多个顺序赋值

df['column_new_1'] = np.nan
df['column_new_2'] = 'dogs'
df['column_new_3'] = 3

选择最合适的方法将取决于 DataFrame 的大小、要添加的新列的数量以及任务的性能要求等因素。尽管如此，这些技术为 Pandas 用户提供了多种选项，可以有效地将多个列添加到他们的 DataFrame 中。