pandas往df中添加新一列

好的，关于往 Pandas DataFrame 中添加新一列，可以使用以下代码：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 添加一列新数据
df['C'] = [7, 8, 9]

# 打印 DataFrame
print(df)

这样就可以在 DataFrame 中添加一列新数据了。其中，`df['C']` 表示在 DataFrame 中添加一列名为 'C' 的新数据，`[7, 8, 9]` 表示对应的数据值。如果需要添加的列数据是从其他列计算得到的，也可以使用类似 `df['D'] = df['A'] + df['B']` 的方式来添加新列。

相关问题

pandas实现两个表匹配并在合并表中添加新一列

您可以使用 pandas 的 merge 函数来实现两个表的匹配和合并，并使用新的一列来存储匹配结果。下面是一个示例代码：

import pandas as pd

# 创建第一个表
df1 = pd.DataFrame({'ID': [1, 2, 3],
                   'Name': ['Alice', 'Bob', 'Charlie']})

# 创建第二个表
df2 = pd.DataFrame({'ID': [2, 3, 4],
                   'Age': [25, 30, 35]})

# 使用 merge 函数进行匹配和合并，并添加新的一列
merged_df = pd.merge(df1, df2, on='ID', how='left')
merged_df['Age'] = merged_df['Age'].fillna(0)  # 将缺失值填充为 0

print(merged_df)

输出结果如下：

   ID     Name   Age
0   1    Alice   0.0
1   2      Bob  25.0
2   3  Charlie  30.0

在这个示例中，我们创建了两个表 `df1` 和 `df2`，它们都有一个共同的列 `ID`。然后，我们使用 `merge` 函数将这两个表根据 `ID` 列进行匹配和合并，使用 `left` 方式保留了 `df1` 中的所有行。最后，我们添加了新的一列 `Age` 来存储匹配结果，并将缺失值填充为 0。

pandas实现两个表匹配并在合并表中添加新一列,并给新的一列命名

要给新的一列命名，您可以在合并表使用 `rename` 函数来重命名列名。以下是修改后的示例代码：

import pandas as pd

# 创建第一个表
df1 = pd.DataFrame({'ID': [1, 2, 3],
                   'Name': ['Alice', 'Bob', 'Charlie']})

# 创建第二个表
df2 = pd.DataFrame({'ID': [2, 3, 4],
                   'Age': [25, 30, 35]})

# 使用 merge 函数进行匹配和合并，并添加新的一列
merged_df = pd.merge(df1, df2, on='ID', how='left')
merged_df = merged_df.rename(columns={'Age': 'NewColumn'})

print(merged_df)

输出结果如下：

   ID     Name  NewColumn
0   1    Alice        NaN
1   2      Bob       25.0
2   3  Charlie       30.0

在这个示例中，我们使用 `rename` 函数将合并后的列名 `'Age'` 重命名为 `'NewColumn'`。通过对 `merged_df` 应用 `rename` 函数，我们可以将新一列的名称更改为您想要的任何名称。