Добавить столбец с постоянным значением в кадр данных pandas
Учитывая 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
Какой самый простой способ добавить новый столбец, содержащий постоянное значение, например 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
Это мое решение, но я не знаю, почему это помещает NaN в "новую" колонку?
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
Ответы
Ответ 1
Причина, по которой помещается NaN в столбец, состоит в том, что df.index и Index вашего правого объекта разные. @zach показывает правильный способ присвоения нового столбца нулей. В общем случае pandas пытается сделать максимально возможное выравнивание индексов. Один недостаток заключается в том, что когда индексы не выровнены, вы получаете NaN везде, где они не выровнены. Играйте с методами reindex и align, чтобы получить некоторую интуицию для выравнивания, работая с объектами, которые имеют частично, полностью и не выровненные все выровненные индексы. Например, здесь DataFrame.align() работает с частично выровненными индексами:
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
Ответ 2
Супер просто: прямое назначение
Для модификации на месте выполните прямое назначение. Это назначение транслируется пандами для каждого ряда.
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
Создание копии: DataFrame.assign
Если вам нужна копия, используйте 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
И если вам нужно назначить несколько таких столбцов с одним и тем же значением, это так же просто, как,
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
Назначение нескольких столбцов
Наконец, если вам нужно назначить несколько столбцов с разными значениями, вы можете использовать assign со словарем.
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
Ответ 3
Вот еще один вкладыш, использующий лямбды (создать столбец с постоянным значением = 10)
df['newCol'] = df.apply(lambda x: 10, axis=1)
перед тем
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
после
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
