Wie füge ich einem Datenrahmen eine leere Spalte hinzu?

Was ist der einfachste Weg, einem Pandas- DataFrameObjekt eine leere Spalte hinzuzufügen ? Das Beste, über das ich gestolpert bin, ist so etwas wie

df['foo'] = df.apply(lambda _: '', axis=1)

Gibt es eine weniger perverse Methode?

Wenn ich richtig verstehe, sollte die Aufgabe Folgendes füllen:

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]})
>>> df
   A  B
0  1  2
1  2  3
2  3  4
>>> df["C"] = ""
>>> df["D"] = np.nan
>>> df
   A  B C   D
0  1  2   NaN
1  2  3   NaN
2  3  4   NaN

Um die Antwort von DSM zu ergänzen und auf dieser zugehörigen Frage aufzubauen, würde ich den Ansatz in zwei Fälle aufteilen:

• Hinzufügen einer einzelnen Spalte: Weisen Sie den neuen Spalten einfach leere Werte zu, z df['C'] = np.nan

• Hinzufügen mehrerer Spalten: Ich würde vorschlagen, die .reindex(columns=[...]) Pandas-Methode zu verwenden, um die neuen Spalten zum Spaltenindex des Datenrahmens hinzuzufügen. Dies funktioniert auch zum Hinzufügen mehrerer neuer Zeilen mit .reindex(rows=[...]). Beachten Sie, dass neuere Versionen von Pandas (v> 0,20) können Sie ein angeben , axiseher Stichwort als explizit zuweisen columnsoder rows.

Hier ist ein Beispiel zum Hinzufügen mehrerer Spalten:

mydf = mydf.reindex(columns = mydf.columns.tolist() + ['newcol1','newcol2'])

oder

mydf = mydf.reindex(mydf.columns.tolist() + ['newcol1','newcol2'], axis=1)  # version > 0.20.0

Sie können auch immer einen neuen (leeren) Datenrahmen mit dem vorhandenen Datenrahmen verknüpfen, aber das fühlt sich für mich nicht pythonisch an :)

Eine noch einfachere Lösung ist:

df = df.reindex(columns = header_list)                

Dabei ist "header_list" eine Liste der Header, die angezeigt werden sollen.

Alle in der Liste enthaltenen Header, die noch nicht im Datenrahmen enthalten sind, werden mit leeren Zellen unten hinzugefügt.

also wenn

header_list = ['a','b','c', 'd']

dann werden c und d als Spalten mit leeren Zellen hinzugefügt

Beginnend mit v0.16.0, DF.assign()könnte verwendet werden , um neue Spalten (zuweisen single / multiple ) zu ein DF. Diese Spalten werden am Ende der Liste in alphabetischer Reihenfolge eingefügt DF.

Dies ist im Vergleich zur einfachen Zuweisung in Fällen vorteilhaft, in denen Sie eine Reihe verketteter Operationen direkt am zurückgegebenen Datenrahmen ausführen möchten.

Betrachten Sie dasselbe DFBeispiel, das von @DSM demonstriert wurde:

df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]})
df
Out[18]:
   A  B
0  1  2
1  2  3
2  3  4

df.assign(C="",D=np.nan)
Out[21]:
   A  B C   D
0  1  2   NaN
1  2  3   NaN
2  3  4   NaN

Beachten Sie, dass dies eine Kopie mit allen vorherigen Spalten zusammen mit den neu erstellten zurückgibt. Um das Original entsprechend DFzu ändern, verwenden Sie es wie df = df.assign(...)folgt : Da es den inplaceBetrieb derzeit nicht unterstützt .

Ich mag:

df['new'] = pd.Series(dtype='your_required_dtype')

Wenn Sie einen leeren Datenrahmen haben, stellt diese Lösung sicher, dass keine neue Zeile NaNhinzugefügt wird, die nur enthält .

Wenn dtypenicht angegeben, erzeugen neuere Pandas-Versionen a DeprecationWarning.

Wenn Sie einen Spaltennamen aus einer Liste hinzufügen möchten

df=pd.DataFrame()
a=['col1','col2','col3','col4']
for i in a:
    df[i]=np.nan

Die Antwort von @ emunsing ist wirklich cool, um mehrere Spalten hinzuzufügen, aber ich konnte sie in Python 2.7 nicht zum Laufen bringen. Stattdessen fand ich, dass dies funktioniert:

mydf = mydf.reindex(columns = np.append( mydf.columns.values, ['newcol1','newcol2'])

Der folgende Code behandelt die Frage "Wie füge ich meinem vorhandenen Datenrahmen n leere Spalten hinzu?". Um Lösungen für ähnliche Probleme an einem Ort zu halten, füge ich sie hier hinzu.

Ansatz 1 (um 64 zusätzliche Spalten mit Spaltennamen von 1-64 zu erstellen)

m = list(range(1,65,1)) 
dd=pd.DataFrame(columns=m)
df.join(dd).replace(np.nan,'') #df is the dataframe that already exists

Ansatz 2 (um 64 zusätzliche Spalten mit Spaltennamen von 1-64 zu erstellen)

df.reindex(df.columns.tolist() + list(range(1,65,1)), axis=1).replace(np.nan,'')

Du kannst tun

df['column'] = None #This works. This will create a new column with None type
df.column = None #This will work only when the column is already present in the dataframe 

Man kann df.insert(index_to_insert_at, column_header, init_value)eine neue Spalte an einem bestimmten Index einfügen.

cost_tbl.insert(1, "col_name", "") 

Die obige Anweisung würde eine leere Spalte nach der ersten Spalte einfügen.