如何同时高效地将多个列添加到 Pandas DataFrame 中？

同时向 Pandas DataFrame 添加多个列

在 Pandas 数据操作中，高效地向 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，但它可能会导致意想不到的结果。

挑战

如提供的示例所示，以下语法无法按预期创建新列：

<code class="python">df[['column_new_1', 'column_new_2', 'column_new_3']] = [np.nan, 'dogs', 3]</code>

这是因为在使用列列表语法时，Pandas 要求赋值的右侧为 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

<code class="python">df['column_new_1'], df['column_new_2'], df['column_new_3'] = np.nan, 'dogs', 3</code>

方法2：扩展单行以匹配索引

<code class="python">df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.DataFrame([[np.nan, 'dogs', 3]], index=df.index)</code>

方法3：与临时DataFrame结合使用pd.concat

<code class="python">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
)</code>

方法四：使用.join与临时DataFrame合并

<code class="python">df = df.join(pd.DataFrame(
    [[np.nan, 'dogs', 3]], 
    index=df.index, 
    columns=['column_new_1', 'column_new_2', 'column_new_3']
))</code>

方法五：使用字典临时DataFrame

<code class="python">df = df.join(pd.DataFrame(
    {
        'column_new_1': np.nan,
        'column_new_2': 'dogs',
        'column_new_3': 3
    }, index=df.index
))</code>

方法 6：使用 .assign() 和多个列参数

<code class="python">df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)</code>

方法 7：创建列，然后赋值

<code class="python">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</code>

方法 8：多个连续赋值

<code class="python">df['column_new_1'] = np.nan
df['column_new_2'] = 'dogs'
df['column_new_3'] = 3</code>

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。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。

以上是如何同时高效地将多个列添加到 Pandas DataFrame 中？的详细内容。更多信息请关注PHP中文网其他相关文章！