Đưa ra một DataFrame:

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

Cách đơn giản nhất để thêm một cột mới có chứa giá trị không đổi, ví dụ 0 là gì?

          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

Đây là giải pháp của tôi, nhưng tôi không biết tại sao điều này lại đặt NaN vào cột 'mới'?

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

Lý do điều này được đặt NaNthành một cột là bởi vì df.indexvà Indexđối tượng bên phải của bạn khác nhau. @zach chỉ ra cách thích hợp để gán một cột số không mới. Nói chung, hãy pandascố gắng điều chỉnh các chỉ số càng nhiều càng tốt. Một nhược điểm là khi các chỉ số không được căn chỉnh, bạn sẽ nhận được NaNbất cứ nơi nào chúng không được căn chỉnh. Chơi xung quanh reindexvà aligncác phương pháp để có được một số trực giác cho việc căn chỉnh hoạt động với các đối tượng có các chỉ số căn chỉnh một phần, toàn bộ và không căn chỉnh tất cả. Ví dụ, đây là cách DataFrame.align()hoạt động với các chỉ số được căn chỉnh một phần:

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

Chuyển nhượng tại chỗ siêu đơn giản: df['new'] = 0

Để sửa đổi tại chỗ, hãy thực hiện phân công trực tiếp. Nhiệm vụ này được phát bởi gấu trúc cho mỗi hàng.

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

Lưu ý cho các cột đối tượng

Nếu bạn muốn thêm một cột danh sách trống, đây là lời khuyên của tôi:

• Hãy xem xét không làm điều này. objectcác cột là tin xấu về mặt hiệu suất. Suy nghĩ lại cách dữ liệu của bạn được cấu trúc.
• Cân nhắc lưu trữ dữ liệu của bạn trong một cấu trúc dữ liệu thưa thớt. Thông tin thêm: cấu trúc dữ liệu thưa thớt

• Nếu bạn phải lưu trữ một cột danh sách, hãy đảm bảo không sao chép cùng một tham chiếu nhiều lần.

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

Tạo bản sao: df.assign(new=0)

Nếu bạn cần một bản sao thay thế, hãy sử dụng 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

Và, nếu bạn cần chỉ định nhiều cột như vậy với cùng một giá trị, điều này đơn giản như,

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

Chỉ định nhiều cột

Cuối cùng, nếu bạn cần gán nhiều cột với các giá trị khác nhau, bạn có thể sử dụng assignvới từ điển.

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

Với gấu trúc hiện đại, bạn chỉ có thể làm:

df['new'] = 0

Đây là một lớp lót khác sử dụng lambdas (tạo cột với giá trị không đổi = 10)

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

trước

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

sau

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