Hinzufügen einer neuen Spalte zu einem bestehenden DataFrame in Python pandas

Verwenden Sie die ursprünglichen df1-Indizes, um die Reihen zu erstellen:

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

Edit 2015 Einige berichteten, dass sie mit diesem Code die Warnung "SettingWithCopyWarning" erhielten.
Allerdings läuft der Code immer noch perfekt mit der aktuellen Pandas-Version 0.16.1.

>>> 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

>>> p.version.short_version
'0.16.1'

Die SettingWithCopyWarning soll über eine möglicherweise ungültige Zuweisung auf einer Kopie des Dataframe informieren. Sie sagt nicht notwendigerweise, dass man es falsch gemacht hat (sie kann falsch-positive Ergebnisse auslösen), aber seit 0.13.0 lässt sie einen wissen, dass es geeignetere Methoden für den gleichen Zweck gibt. Wenn Sie dann die Warnung erhalten, befolgen Sie einfach den Rat: Versuchen Sie stattdessen .loc[row_index,col_indexer] = value zu verwenden.

>>> 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
>>> 

In der Tat ist dies derzeit die effizientere Methode, wie in der Pandas-Dokumentation beschrieben

Edit 2017

Wie in den Kommentaren und von @Alexander angedeutet, könnte die beste Methode zum Hinzufügen der Werte einer Reihe als neue Spalte eines DataFrame derzeit die Verwendung von assign sein:

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

Dies ist die einfache Art, eine neue Spalte hinzuzufügen: df['e'] = e

Am effizientesten ist es, dies direkt über NumPy zu tun:

df1['e'] = np.random.randn(sLength)

Beachten Sie, dass mein ursprünglicher (sehr alter) Vorschlag war, map zu verwenden (was viel langsamer ist):

df1['e'] = df1['a'].map(lambda x: np.random.random())