Python 中给 DataFrame 增加一列的方法有：使用直接赋值、使用 assign 方法、使用 insert 方法、以及通过计算生成新列等。 其中最常用的方法是直接赋值，这种方法简单直观且灵活。下面将详细介绍这些方法并举例说明。
一、直接赋值
直接赋值是给 DataFrame 增加新列最简单和最常用的方法。你只需将新列名作为键，新列的数据作为值赋值给 DataFrame 即可。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
直接赋值增加一列
df['C'] = [7, 8, 9]
print(df)
这种方法非常灵活，你可以直接指定一列的所有值，也可以通过其他列的值进行计算生成新列。
二、使用 assign 方法
assign 方法可以返回一个新的 DataFrame，并且可以一次性添加多列。它的好处是可以链式调用，从而使代码更加简洁。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
使用 assign 方法增加新列
df = df.assign(C=[7, 8, 9], D=lambda x: x.A + x.B)
print(df)
这里 assign 方法不仅增加了新列 C，而且通过 lambda 表达式计算并增加了新列 D。
三、使用 insert 方法
insert 方法可以在指定位置插入新列，而不是总是将新列添加在最后。它需要指定列的位置（索引）、列名和列的数据。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
在索引位置 1 插入新列
df.insert(1, 'C', [7, 8, 9])
print(df)
这种方法适合在特定位置插入新列的场景。
四、通过计算生成新列
新列的数据可以通过对已有列进行计算得到。例如，可以通过已有列的加减乘除等操作生成新列。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
通过计算生成新列
df['C'] = df['A'] + df['B']
df['D'] = df['A'] * df['B']
print(df)
这种方法非常适合需要通过已有数据进行复杂计算生成新列的情况。
五、使用 apply 方法
apply 方法可以对 DataFrame 的行或列应用一个函数，从而生成新列。这种方法适合需要对每一行或每一列进行复杂操作的情况。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
使用 apply 方法生成新列
df['C'] = df.apply(lambda row: row.A + row.B, axis=1)
print(df)
这里 apply 方法对 DataFrame 的每一行应用了一个 lambda 函数，从而生成了新列 C。
六、使用 map 方法
map 方法可以对 Series 应用一个函数或映射关系，从而生成新列。适合对单列进行转换操作的场景。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
使用 map 方法生成新列
df['C'] = df['A'].map(lambda x: x * 2)
print(df)
七、使用 applymap 方法
applymap 方法类似于 apply，但它是对 DataFrame 的每一个元素应用一个函数，从而生成新列。
import pandas as pd
创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
使用 applymap 方法生成新列
df['C'] = df.applymap(lambda x: x * 2)['A']
print(df)
总结起来，Python 中给 DataFrame 增加新列的方法多种多样，你可以根据具体需求选择最合适的方法。直接赋值是最常用的方法，assign 方法适合链式调用，insert 方法适合在特定位置插入新列，而通过计算、apply、map、applymap 等方法则适合生成复杂的新列。通过灵活运用这些方法，你可以轻松处理各种数据操作需求。
相关问答FAQs：
如何在Python中向DataFrame添加新列？
在Python中，使用Pandas库可以轻松地向DataFrame添加新列。您可以通过直接赋值的方式，或使用assign()方法来实现。例如，如果您想要添加一列名为“新列”，并赋予其值，可以使用以下代码：
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df['新列'] = [7, 8, 9] # 直接赋值
# 或者
df = df.assign(新列=[7, 8, 9]) # 使用assign方法
可以根据现有列的值来添加新列吗？
完全可以！您可以使用已有列的运算结果来创建新列。例如，假设您有一列“A”，想要创建一列“C”，其值为“A”列的值加上5，可以这样操作：
df['C'] = df['A'] + 5
这样，“C”列的每个值都会是“A”列对应值加5的结果。
如何添加基于条件的新列？
在Pandas中，可以使用np.where()函数或者apply()方法来根据条件为新列赋值。假设您想要根据“A”列的值判断新列“D”的值是否大于2：
import numpy as np
df['D'] = np.where(df['A'] > 2, '大于2', '小于等于2')
在这个例子中，如果“A”列的值大于2，则“D”列对应位置的值为“大于2”，否则为“小于等于2”。
