首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

将列表作为列添加到dataframe的正确方法是什么?

将列表作为列添加到DataFrame的正确方法是使用df['column_name'] = pd.Series(list)。这将创建一个新的列,并将列表中的值分配给该列。这种方法可以确保列表的长度与DataFrame的行数相匹配,否则会引发错误。

例如,假设我们有一个DataFrame df,包含两列AB

代码语言:txt
复制
import pandas as pd

data = {'A': [1, 2, 3],
        'B': [4, 5, 6]}
df = pd.DataFrame(data)

现在,我们想要添加一个新的列C,其中包含列表[7, 8, 9]的值。我们可以使用以下代码完成:

代码语言:txt
复制
df['C'] = pd.Series([7, 8, 9])

这将在DataFrame中添加一个名为C的新列,并将列表中的值分配给该列。最终的DataFrame将如下所示:

代码语言:txt
复制
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

这种方法适用于任何长度的列表,并且可以在DataFrame中添加任意数量的列。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

groupby函数详解

这是由于变量grouped是一个GroupBy对象,它实际上还没有进行任何计算,只是含有一些有关分组键df[‘key1’]的中间数据而已,然后我们可以调用配合函数(如:.mean()方法)来计算分组平均值等。   因此,一般为方便起见可直接在聚合之后+“配合函数”,默认情况下,所有数值列都将会被聚合,虽然有时可能会被过滤为一个子集。   一般,如果对df直接聚合时, df.groupby([df['key1'],df['key2']]).mean()(分组键为:Series)与df.groupby(['key1','key2']).mean()(分组键为:列名)是等价的,输出结果相同。   但是,如果对df的指定列进行聚合时, df['data1'].groupby(df['key1']).mean()(分组键为:Series),唯一方式。 此时,直接使用“列名”作分组键,提示“Error Key”。 注意:分组键中的任何缺失值都会被排除在结果之外。

01
领券