Skip to content

向 Pandas DataFrame 添加新列（示例与最佳实践）

Rajiv Chandra
Name
Rajiv Chandra

Updated on

在使用 Pandas DataFrame 时，添加新列是最常见的操作之一。无论你是要创建计算字段、在特定位置插入列，还是动态构建 DataFrame，Pandas 都提供了多种强大的方式帮助你轻松完成。

这篇 2025 年更新的指南将介绍：

  • 添加新列的 6 种最佳方法
  • 各方法适用的场景
  • 基于已有数据添加新列
  • 如何避免常见错误（例如 SettingWithCopyWarning）
  • 真实场景示例

⭐ 小提示：把你的 DataFrame 变成可视化分析工具

想立刻把 DataFrame 可视化？

PyGWalker 可以在 Jupyter Notebook 中，将任意 Pandas 或 Polars DataFrame 转换成_类似 Tableau 的交互式界面_。

pip install pygwalker
import pygwalker as pyg
gwalker = pyg.walk(df)
KaggleColabGitHub
Run PyGWalker in Kaggle (opens in a new tab)Run in Google Colab (opens in a new tab)Give us a ⭐️ (opens in a new tab)

什么是 Pandas DataFrame？

DataFrame 是一种二维带标签的表格结构（行 + 列），类似 Excel 或 SQL 表。Pandas 允许你从以下来源创建 DataFrame：

  • CSV
  • Excel
  • SQL
  • JSON
  • Python 列表与字典

并提供强大的 API 用于对其进行处理和分析。

📌 如何在 Pandas 中添加新列（快速概览）

方法最适合的场景示例
1. 赋值（df['col'] = ...）最常见 / 最简单的情况df['salary'] = ...
2. df.insert 插入列在特定位置插入列df.insert(1, 'x', ...)
3. df.assign方法链（chaining）风格df = df.assign(x=...)
4. pd.concat 拼接一次性添加多列pd.concat([df, df2], axis=1)
5. 基于已有列计算新列各类真实业务转换df['age2'] = df['age'] * 2
6. 条件列（条件逻辑）if–else 逻辑np.where(...)

下面逐一结合示例说明。

1. 方法：简单赋值（大多数场景的首选）

df['NewColumn'] = [1, 2, 3, 4]

▶ 示例

df['Salary'] = [50000, 60000, 70000, 80000]

适用场景：

  • 最常见、语法最简单
  • 添加常数、列表、数组或计算结果

注意：

  • 如果列名已存在，会被直接覆盖
  • 性能很高

2. 方法：在指定位置插入列（df.insert）

df.insert(loc=1, column='Department', value=['IT', 'HR', 'Finance', 'Admin'])

适用场景：

  • 需要精确控制列的顺序
  • 报表、导出结构化数据时很有用

3. 方法：使用 assign 添加列（函数式 / 链式写法）

df = df.assign(Tax=lambda x: x['Salary'] * 0.1)

优点：

  • 适用于方法链（如 df.query(...).assign(...).pipe(...)）
  • 不会就地修改原 DataFrame，除非你把结果重新赋回

4. 方法：使用 pd.concat 添加列

df2 = pd.DataFrame({'Bonus': [1000, 2000, 2500, 1800]})
df = pd.concat([df, df2], axis=1)

适用场景：

  • 一次性拼接多列
  • 把两个 DataFrame 横向合并

不建议：

  • 只添加单个新列时使用 → 直接赋值更快、更简单

5. 基于已有列添加新列（真实业务示例）

这是最常见的使用场景——原文中没有展开说明。

示例：计算总分

df['Total'] = df['Math'] + df['Science'] + df['English']

示例：归一化某个数值

df['Age_Norm'] = df['Age'] / df['Age'].max()

6. 条件列（np.where 或布尔条件）

示例：添加 “Senior” 标记列

import numpy as np
df['Senior'] = np.where(df['Age'] >= 35, 'Yes', 'No')

布尔掩码版本

df['IsAdult'] = df['Age'] > 18

适用场景：

  • 创建分类标签
  • 简单二元条件（是 / 否、True / False）

覆盖已存在的列

可以，简单赋值会直接覆盖：

df['Age'] = [26, 31, 36, 41]

通过列名在特定位置插入列

df.insert(df.columns.get_loc("Age"), 'Score', [1, 2, 3, 4])

当列顺序依赖已有列名（例如自动化流水线中）时，这种方式会很方便。

⚠ 需要避免的常见错误：SettingWithCopyWarning

如果你用不当的方式切片 DataFrame：

subset = df[df['Age'] > 30]
subset['Flag'] = 1   # Warning!

正确写法：

subset = df[df['Age'] > 30].copy()
subset['Flag'] = 1

总结

你已经掌握了在 Pandas 中添加新列的 6 个核心方法：

  • 简单赋值（默认首选方式）
  • 使用 insert 精确控制列顺序
  • 使用 assign 进行方法链式处理
  • 使用 concat 合并多个 DataFrame
  • 基于已有列进行计算生成新列
  • 基于条件逻辑创建新列

掌握这些技巧，可以更高效地操作 DataFrame，并规避常见坑。

FAQ（为 SEO 与用户支持准备）

1. 如何添加值都相同的一列？

df['Source'] = 'System'

2. 如何基于函数结果添加一列？

df['Score'] = df.apply(lambda x: x['Math'] * 0.6 + x['English'] * 0.4, axis=1)

3. 如何一次性添加多列？

df[['A', 'B']] = df[['X', 'Y']] * 2

4. 哪种方式最快？

通常简单赋值（df['col'] = ...）是最高效的方式。