Fügen Sie Pandas DataFrame mehrere leere Spalten hinzu

Wie füge ich DataFrameeiner Liste mehrere leere Spalten hinzu ?

Ich kann:

    df["B"] = None
    df["C"] = None
    df["D"] = None

Aber ich kann nicht tun:

    df[["B", "C", "D"]] = None

KeyError: "['B' 'C' 'D'] not in index"

Ich würde concateinen DataFrame verwenden:

In [23]:
df = pd.DataFrame(columns=['A'])
df

Out[23]:
Empty DataFrame
Columns: [A]
Index: []

In [24]:    
pd.concat([df,pd.DataFrame(columns=list('BCD'))])

Out[24]:
Empty DataFrame
Columns: [A, B, C, D]
Index: []

Wenn Sie also eine Liste mit Ihrem ursprünglichen df und eine neue Liste mit den Spalten übergeben, die Sie hinzufügen möchten, wird ein neuer df mit den zusätzlichen Spalten zurückgegeben.

Vorsichtsmaßnahme: Siehe die Diskussion der Leistung in den anderen Antworten und / oder den Kommentardiskussionen. reindexkann vorzuziehen sein, wenn die Leistung kritisch ist.

Sie können verwenden df.reindex, um neue Spalten hinzuzufügen:

In [18]: df = pd.DataFrame(np.random.randint(10, size=(5,1)), columns=['A'])

In [19]: df
Out[19]: 
   A
0  4
1  7
2  0
3  7
4  6

In [20]: df.reindex(columns=list('ABCD'))
Out[20]: 
   A   B   C   D
0  4 NaN NaN NaN
1  7 NaN NaN NaN
2  0 NaN NaN NaN
3  7 NaN NaN NaN
4  6 NaN NaN NaN

reindex gibt einen neuen DataFrame zurück, wobei die Spalten in der angegebenen Reihenfolge angezeigt werden:

In [31]: df.reindex(columns=list('DCBA'))
Out[31]: 
    D   C   B  A
0 NaN NaN NaN  4
1 NaN NaN NaN  7
2 NaN NaN NaN  0
3 NaN NaN NaN  7
4 NaN NaN NaN  6

Die reindexMethode auch als fill_valueParameter:

In [22]: df.reindex(columns=list('ABCD'), fill_value=0)
Out[22]: 
   A  B  C  D
0  4  0  0  0
1  7  0  0  0
2  0  0  0  0
3  7  0  0  0
4  6  0  0  0

Wenn Sie den Namen der alten Spalten nicht neu schreiben möchten, können Sie reindex verwenden:

df.reindex(columns=[*df.columns.tolist(), 'new_column1', 'new_column2'], fill_value=0)

Vollständiges Beispiel :

In [1]: df = pd.DataFrame(np.random.randint(10, size=(3,1)), columns=['A'])

In [1]: df
Out[1]: 
   A
0  4
1  7
2  0

In [2]: df.reindex(columns=[*df.columns.tolist(), 'col1', 'col2'], fill_value=0)
Out[2]: 

   A  col1  col2
0  1     0     0
1  2     0     0

Und wenn Sie bereits eine Liste mit den Spaltennamen haben ,:

In [3]: my_cols_list=['col1','col2']

In [4]: df.reindex(columns=[*df.columns.tolist(), *my_cols_list], fill_value=0)
Out[4]: 
   A  col1  col2
0  1     0     0
1  2     0     0

Warum nicht einfach loop verwenden:

for newcol in ['B','C','D']:
    df[newcol]=np.nan

Zusammenfassung alternativer Lösungen:

columns_add = ['a', 'b', 'c']

1. for-Schleife:

   for newcol in columns_add:
       df[newcol]= None
   

2. Diktiermethode:

   df.assign(**dict([(_,None) for _ in columns_add]))
   

3. Tupelzuordnung:

   df['a'], df['b'], df['c'] = None, None, None
   

Nur um der Liste der lustigen Möglichkeiten hinzuzufügen:

columns_add = ['a', 'b', 'c']
df = df.assign(**dict(zip(columns_add, [0] * len(columns_add)))

Ich würde verwenden

df["B"], df["C"], df["D"] = None, None, None

oder

df["B"], df["C"], df["D"] = ["None" for a in range(3)]