我有以下索引数据帧，其中有命名列和行不连续的数字：

          a         b         c         d
2  0.671399  0.101208 -0.181532  0.241273
3  0.446172 -0.243316  0.051767  1.577318
5  0.614758  0.075793 -0.451460 -0.012493

我想在现有数据框中添加一个新列 ，并且不想更改数据框中的任何内容（即，新列始终与数据框具有相同的长度）。'e'

0   -0.335485
1   -1.166658
2   -0.385571
dtype: float64

如何在上面的例子中添加列？e

网友回答：

这是添加新列的简单方法：df['e'] = e

网友回答：

我想在现有数据框中添加一个新列“e”，并且不更改数据框中的任何内容。（该系列始终具有与数据帧相同的长度。

我假设 中的索引值与 中的索引值匹配。edf1

启动名为 的新列并为其分配系列中的值的最简单方法：ee

df['e'] = e.values

分配 （熊猫 0.16.0+）

从 Pandas 0.16.0 开始，您还可以使用 ，它将新列分配给数据帧，并返回一个新对象（副本），其中包含除新列之外的所有原始列。assign

df1 = df1.assign(e=e.values)

根据此示例（其中还包括函数的源代码），您还可以包含多个列：assign

df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
>>> df.assign(mean_a=df.a.mean(), mean_b=df.b.mean())
   a  b  mean_a  mean_b
0  1  3     1.5     3.5
1  2  4     1.5     3.5

在您的示例上下文中：

np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(10, 4), columns=['a', 'b', 'c', 'd'])
mask = df1.applymap(lambda x: x <-0.7)
df1 = df1[-mask.any(axis=1)]
sLength = len(df1['a'])
e = pd.Series(np.random.randn(sLength))

>>> df1
          a         b         c         d
0  1.764052  0.400157  0.978738  2.240893
2 -0.103219  0.410599  0.144044  1.454274
3  0.761038  0.121675  0.443863  0.333674
7  1.532779  1.469359  0.154947  0.378163
9  1.230291  1.202380 -0.387327 -0.302303

>>> e
0   -1.048553
1   -1.420018
2   -1.706270
3    1.950775
4   -0.509652
dtype: float64

df1 = df1.assign(e=e.values)

>>> df1
          a         b         c         d         e
0  1.764052  0.400157  0.978738  2.240893 -1.048553
2 -0.103219  0.410599  0.144044  1.454274 -1.420018
3  0.761038  0.121675  0.443863  0.333674 -1.706270
7  1.532779  1.469359  0.154947  0.378163  1.950775
9  1.230291  1.202380 -0.387327 -0.302303 -0.509652

可以在此处找到首次引入此新功能时的描述。

网友回答：

编辑 2017

如注释和@Alexander所示，目前将系列的值添加为数据帧的新列的最佳方法是使用分配：

df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)

编辑 2015
有些人报告使用此代码。
但是，代码仍然可以在当前的 pandas 版本 0.16.1 中完美运行。SettingWithCopyWarning

>>> sLength = len(df1['a'])
>>> df1
          a         b         c         d
6 -0.269221 -0.026476  0.997517  1.294385
8  0.917438  0.847941  0.034235 -0.448948

>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e
6 -0.269221 -0.026476  0.997517  1.294385  1.757167
8  0.917438  0.847941  0.034235 -0.448948  2.228131

>>> pd.version.short_version
'0.16.1'

旨在通知数据帧副本上可能无效的分配。它不一定说你做错了（它可能会触发误报），但从 0.13.0 开始，它让你知道有更合适的方法用于相同的目的。然后，如果您收到警告，只需遵循其建议：尝试使用 .loc[row_index，col_indexer] = 值SettingWithCopyWarning

>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e         f
6 -0.269221 -0.026476  0.997517  1.294385  1.757167 -0.050927
8  0.917438  0.847941  0.034235 -0.448948  2.228131  0.006109
>>> 

事实上，这是目前更有效的方法，如熊猫文档中所述

原答案：

使用原始 df1 索引创建系列：

df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)