¿Cómo agregar una columna vacía a un marco de datos?

¿Cuál es la forma más fácil de agregar una columna vacía a un DataFrameobjeto pandas ? Lo mejor que he encontrado es algo como

df['foo'] = df.apply(lambda _: '', axis=1)

¿Hay un método menos perverso?

Si entiendo correctamente, la tarea debe llenar:

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]})
>>> df
   A  B
0  1  2
1  2  3
2  3  4
>>> df["C"] = ""
>>> df["D"] = np.nan
>>> df
   A  B C   D
0  1  2   NaN
1  2  3   NaN
2  3  4   NaN

Para agregar a la respuesta de DSM y construir sobre esta pregunta asociada , dividiría el enfoque en dos casos:

• Agregar una sola columna: simplemente asigne valores vacíos a las nuevas columnas, por ejemplo df['C'] = np.nan

• Agregar varias columnas: sugeriría usar el .reindex(columns=[...]) método de pandas para agregar las nuevas columnas al índice de columnas del marco de datos. Esto también funciona para agregar varias filas nuevas con .reindex(rows=[...]). Tenga en cuenta que las versiones más recientes de Pandas (v> 0.20) le permiten especificar una axispalabra clave en lugar de asignarla explícitamente a columnso rows.

Aquí hay un ejemplo que agrega varias columnas:

mydf = mydf.reindex(columns = mydf.columns.tolist() + ['newcol1','newcol2'])

o

mydf = mydf.reindex(mydf.columns.tolist() + ['newcol1','newcol2'], axis=1)  # version > 0.20.0

También siempre puede concatenar un nuevo marco de datos (vacío) al marco de datos existente, pero eso no me parece tan pitónico :)

Una solución aún más simple es:

df = df.reindex(columns = header_list)                

donde "header_list" es una lista de los encabezados que desea que aparezcan.

cualquier encabezado incluido en la lista que no se encuentre ya en el marco de datos se agregará con celdas en blanco a continuación.

Así que si

header_list = ['a','b','c', 'd']

entonces cyd se agregarán como columnas con celdas en blanco

Comenzando con v0.16.0, DF.assign()podría usarse para asignar nuevas columnas ( simples / múltiples ) a DF. Estas columnas se insertan en orden alfabético al final de DF.

Esto se vuelve ventajoso en comparación con la asignación simple en los casos en que desea realizar una serie de operaciones encadenadas directamente en el marco de datos devuelto.

Considere la misma DFmuestra demostrada por @DSM:

df = pd.DataFrame({"A": [1,2,3], "B": [2,3,4]})
df
Out[18]:
   A  B
0  1  2
1  2  3
2  3  4

df.assign(C="",D=np.nan)
Out[21]:
   A  B C   D
0  1  2   NaN
1  2  3   NaN
2  3  4   NaN

Tenga en cuenta que esto devuelve una copia con todas las columnas anteriores junto con las recién creadas. Para que el original DFse modifique en consecuencia, úselo como: df = df.assign(...)ya que actualmente no admite la inplaceoperación.

Me gusta:

df['new'] = pd.Series(dtype='your_required_dtype')

Si tiene un marco de datos vacío, esta solución se asegura de que no NaNse agregue una nueva fila que solo contenga .

Si dtypeno se especifica, las nuevas versiones de Pandas producen a DeprecationWarning.

si desea agregar el nombre de columna de una lista

df=pd.DataFrame()
a=['col1','col2','col3','col4']
for i in a:
    df[i]=np.nan

La respuesta de @emunsing es realmente genial para agregar varias columnas, pero no pude hacer que funcione para mí en Python 2.7. En cambio, encontré que esto funciona:

mydf = mydf.reindex(columns = np.append( mydf.columns.values, ['newcol1','newcol2'])

El siguiente código aborda la pregunta "¿Cómo agrego un número n de columnas vacías a mi marco de datos existente?". En el interés de mantener soluciones a problemas similares en un lugar, lo estoy agregando aquí.

Enfoque 1 (para crear 64 columnas adicionales con nombres de columnas del 1 al 64)

m = list(range(1,65,1)) 
dd=pd.DataFrame(columns=m)
df.join(dd).replace(np.nan,'') #df is the dataframe that already exists

Enfoque 2 (para crear 64 columnas adicionales con nombres de columnas del 1 al 64)

df.reindex(df.columns.tolist() + list(range(1,65,1)), axis=1).replace(np.nan,'')

Tu puedes hacer

df['column'] = None #This works. This will create a new column with None type
df.column = None #This will work only when the column is already present in the dataframe 

Se puede usar df.insert(index_to_insert_at, column_header, init_value)para insertar una nueva columna en un índice específico.

cost_tbl.insert(1, "col_name", "") 

La declaración anterior insertaría una columna vacía después de la primera columna.