Pandas：如何为DataFrame添加新列

在Pandas中，为DataFrame添加新列有多种方法。下面将介绍几种常见的方法：
1. 使用assign方法
assign方法可以用于在原始DataFrame的基础上添加新列。它将返回一个新的DataFrame，其中包含了原始列和新列。
示例代码：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df_new = df.assign(C=[7, 8, 9])
print(df_new)

输出结果：

A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

2. 使用loc或iloc
通过使用loc或iloc，我们可以根据位置或标签来选择行，并使用新的数据创建一个新列。
示例代码：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df['C'] = [7, 8, 9]
print(df)

输出结果：

A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

注意：使用loc或iloc添加新列时，新列的数据必须与DataFrame的长度相匹配，否则会抛出错误。
3. 使用apply函数
apply函数可以将一个函数应用于DataFrame的行或列。我们可以利用这个特性来添加新列，只需将一个返回值的函数应用于每一行即可。
示例代码：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
def add_column(row):
return row['A'] + row['B'] + 1
df['C'] = df.apply(add_column, axis=1)
print(df)

输出结果：

A  B  C
0  1  4  6  # (1+4+1=6)
1  2  5  8  # (2+5+1=8)
2  3  6  9  # (3+6+1=9)

注意：使用apply函数添加新列时，需要指定axis=1参数，表示对每一行应用函数。如果不指定该参数，默认情况下会对整个DataFrame应用函数，这可能不是你想要的结果。
总结：在Pandas中为DataFrame添加新列有多种方法，可以根据具体需求选择合适的方法。使用assign方法可以方便地添加新列并返回一个新的DataFrame；使用loc或iloc可以根据位置或标签选择行并直接赋值；使用apply函数可以将一个函数应用于每一行或每一列来生成新列。在实际应用中，可以根据数据和需求选择合适的方法来处理数据。