如何使用.loc或.iloc方法设置新的一列

可以使用.loc或.iloc方法，并在其中添加新列的名称和相应的值，例如：

df.loc[:, 'new_column'] = [1, 2, 3, 4, 5]

或者

df.iloc[:, -1] = [1, 2, 3, 4, 5]

其中，':'表示所有行，'new_column'表示新列的名称，[-1]表示最后一列。

相关问题

分别给df.loc和df.iloc的使用方法举例子

`df.loc` 和 `df.iloc` 都是 Pandas DataFrame 中用于数据选取的重要功能。

`df.loc` 主要是基于标签（label-based indexing），也就是按照行和列的名称来选择数据。例如，假设有一个名为 `df` 的 DataFrame，其中包含 'Name' 和 'Age' 两列：

# 假设 df 的结构如下：
#      Name   Age
# 0  Alice   25
# 1   Bob    30
# 2  Carol   35

# 使用 df.loc 来选取第1行（索引为0）的数据：
row1 = df.loc[0]  # {'Name': 'Alice', 'Age': 25}

# 选取 'Name' 列的所有数据：
name_data = df.loc[:, 'Name']  # ['Alice', 'Bob', 'Carol']

`df.iloc` 则是基于位置（position-based indexing），即按照行（从0开始计数）和列的整数索引来访问数据。例如：

# 获取第一行所有列的数据：
first_row = df.iloc[0]  # {'Name': 'Alice', 'Age': 25}

# 取第二列 ('Age') 第一行到第三行的数据：
age_slice = df.iloc[1:3, 1]  # [30, 35]

使用.loc 和.iloc 方法，取某个3行3列的 DataFrame 的右下角的2行2列的数据。

当你想从DataFrame中获取特定区域的数据时，`pandas`库中的`.loc`和`.iloc`方法非常有用。假设我们有一个3行3列的DataFrame，我们可以用以下方式获取右下角的2行2列数据：

# 假设df是一个3x3的DataFrame
# df = pd.DataFrame(data, columns=['A', 'B', 'C'], index=['row1', 'row2', 'row3'])

# 使用.loc方法，索引基于标签（行名和列名）
# 如果最后一行和最后一列的索引分别为'row2'和'C'，则：
bottom_right_2x2 = df.loc['row2':'row3', 'C':'C']

# 使用.iloc方法，索引基于位置
# 注意，Python的切片规则是从0开始计数，所以最后一个元素不包括在内
# 对于3x3的DataFrame，倒数第二个索引是2，倒数第三个索引是1
# 因此：
bottom_right_2x2 = df.iloc[1:3, -2:]

这两种方法都会返回一个2行2列的子DataFrame，包含了原始DataFrame的右下角数据。