Дано 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

Який найпростіший спосіб додати новий стовпець, що містить константу, наприклад 0?

          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

Це моє рішення, але я не знаю, чому це ставить NaN у 'новий' стовпець?

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

Причина, яку це поміщає NaNв стовпець, полягає в тому, що df.indexі Indexоб’єкти вашого правого боку різні. @zach показує правильний спосіб призначення нового стовпця нулів. Загалом, pandasнамагається зробити якомога більше вирівнювання індексів. Один мінус полягає в тому, що коли індекси не вирівнюються, ви потрапляєте NaNтуди, де вони не вирівнюються. Пограйтеся з методами reindexта, alignщоб отримати певну інтуїцію для вирівнювання робіт з об’єктами, які мають частково, повністю та не вирівняні індекси. Наприклад, ось як DataFrame.align()працює з частково вирівняними індексами:

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

Супер просте призначення на місці: df['new'] = 0

Для модифікації на місці виконайте пряме призначення. Це завдання транслюється пандами для кожного рядка.

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

Примітка для стовпців об’єкта

Якщо ви хочете додати стовпець порожніх списків, ось моя порада:

• Подумайте про те, щоб цього не робити. objectколонки - це погана новина з точки зору продуктивності. Перегляньте, як структуровані ваші дані.
• Подумайте про збереження даних у розрідженій структурі даних. Більше інформації: розріджені структури даних

• Якщо вам потрібно зберегти стовпець зі списками, переконайтеся, що не копіюєте один і той же посилання кілька разів.

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

Створення копії: df.assign(new=0)

Якщо вам потрібна копія, скористайтеся 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

І якщо вам потрібно призначити кілька таких стовпців з однаковим значенням, це так просто, як,

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

Призначення кількох стовпців

Нарешті, якщо вам потрібно призначити кілька стовпців з різними значеннями, ви можете використовувати assignзі словником.

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

За допомогою сучасних панд ви можете просто зробити:

df['new'] = 0

Ось ще один лайнер із використанням лямбда (створити стовпець із постійним значенням = 10)

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

раніше

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

після

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