在Pandas中为现有的DataFrame添加新列

为现有的DataFrame添加新列的过程可以通过Pandas中的assign()方法来实现，该方法可以直接在原始DataFrame基础上添加新的列，并返回一个具有新列的新DataFrame。下面是详细的攻略：

1. 创建一个DataFrame

首先，我们需要创建一个示例DataFrame来演示如何添加新列。在本例中，我们将创建一个包含“姓名”和“年龄”的简单DataFrame，如下所示：

import pandas as pd

df = pd.DataFrame({'姓名': ['张三', '李四', '王五'],
                   '年龄': [20, 25, 30]})

这将创建一个名为“df”的DataFrame，其中包含两列：“姓名”和“年龄”。

1. 通过assign()方法添加新列

接下来，我们可以使用assign()方法来添加新列。这个方法可以接受新列的名称作为参数，并返回一个包含新列的新DataFrame。例如，如果我们要添加一个名为“性别”的新列，其中所有人的性别都是“男”，可以执行以下操作:

df = df.assign(性别='男')

这将创建一个名为“df”的新DataFrame，其中包含原始“姓名”和“年龄”列以及一个新的名为“性别”的列，其中所有值都为“男”。

1. 将新列设置为数值列

如果我们要将新列设置为数值列，则可以使用与上述示例相同的assign()方法。例如，如果我们要添加一个名为“身高”的新列，并将所有人的身高设置为180厘米，则可以执行以下操作：

df = df.assign(身高=180)

这将创建一个名为“df”的新DataFrame，其中包含原始“姓名”和“年龄”列以及一个新的名为“身高”的列，其中所有值都为180。

1. 将新列设置为基于现有列的计算结果

我们也可以将新列设置为基于现有列的计算结果。例如，如果我们要添加一个名为“出生年份”的新列，该列将计算每个人的出生年份，则可以执行以下操作：

df = df.assign(出生年份=lambda x: 2021 - x['年龄'])

这将创建一个名为“df”的新DataFrame，其中包含原始“姓名”和“年龄”列以及一个新的名为“出生年份”的列，该列将计算每个人的出生年份。

在上述代码中，我们使用lambda函数来为新列指定计算方式。请注意，这里的x是DataFrame的引用，我们可以像使用任何其他DataFrame一样使用它来进行计算。

这些就是在Pandas中为现有的DataFrame添加新列的基本技巧。通过使用assign()方法，我们可以方便地添加任意数量的新列，并使用不同的方式进行计算，并且保留原始DataFrame不变。