Pandas DataFrame 添加新列但无数据问题解决方案-Python教程-PHP中文网

Pandas DataFrame 添加新列但无数据问题解决方案

聖光之護

发布： 2025-07-21 19:26:01

原创

873人浏览过

pandas dataframe 添加新列但无数据问题解决方案

本文旨在解决使用 Pandas 向 DataFrame 添加新列时，列名成功添加但数据为空的问题。通过分析常见原因，提供多种解决方案，包括使用 np.where 条件赋值、正确理解 pd.concat 的用法，以及避免在循环中修改 DataFrame 等，帮助读者高效地向 DataFrame 添加所需数据。

在使用 Pandas 处理 Excel 数据时，经常需要在 DataFrame 中添加新的列。然而，有时会出现添加了列名，但列中的数据却为空的情况。这通常是由于多种原因造成的，例如赋值方式不正确、循环中的错误操作，或者对 Pandas 函数的理解有偏差。以下将针对这些常见问题，提供详细的解决方案。

解决方案一：使用 np.where 进行条件赋值

如果新列的值取决于其他列的条件判断，可以使用 numpy.where 函数进行条件赋值。这种方法简洁高效，避免了使用循环遍历 DataFrame 的低效操作。

import pandas as pd
import numpy as np

# 示例 DataFrame
data = {'cellname1': ['A', 'B', 'C', 'A'],
        'cellname1value': [1, 2, 3, 1],
        'cellname2': ['A', 'D', 'C', 'B'],
        'cellname2value': [1, 4, 3, 5],
        'cellname3': ['A', 'B', 'E', 'A'],
        'cellname3value': [1, 2, 6, 1]}
df = pd.DataFrame(data)

# 添加新列，初始值为空
df['resultcellname'] = ''
df['resultcellnamevalue'] = ''

# 使用 np.where 进行条件赋值
df['resultcellname'] = np.where((df['cellname1'] == df['cellname2']) & (df['cellname1value'] == df['cellname2value']), df['cellname1'], df['resultcellname'])
df['resultcellnamevalue'] = np.where((df['cellname1'] == df['cellname2']) & (df['cellname1value'] == df['cellname2value']), df['cellname1value'], df['resultcellnamevalue'])

df['resultcellname'] = np.where((df['cellname1'] == df['cellname3']) & (df['cellname1value'] == df['cellname3value']), df['cellname1'], df['resultcellname'])
df['resultcellnamevalue'] = np.where((df['cellname1'] == df['cellname3']) & (df['cellname1value'] == df['cellname3value']), df['cellname1value'], df['resultcellnamevalue'])

df['resultcellname'] = np.where((df['cellname2'] == df['cellname3']) & (df['cellname2value'] == df['cellname3value']), df['cellname2'], df['resultcellname'])
df['resultcellnamevalue'] = np.where((df['cellname2'] == df['cellname3']) & (df['cellname2value'] == df['cellname3value']), df['cellname2value'], df['resultcellnamevalue'])

print(df)

登录后复制

代码解释：

首先，我们创建了一个示例 DataFrame。
然后，我们添加了两个新的空列 'resultcellname' 和 'resultcellnamevalue'。
使用 np.where 函数，如果 cellname1 和 cellname2 以及 cellname1value 和 cellname2value 的值相等，则将 cellname1 的值赋给 resultcellname，否则保持 resultcellname 的原有值。resultcellnamevalue 同理。
重复上述步骤，比较 cellname1 和 cellname3，以及 cellname2 和 cellname3。

注意事项：

np.where 函数的第一个参数是条件，第二个参数是条件为真时的值，第三个参数是条件为假时的值。
可以根据实际需求，组合多个条件判断。

解决方案二：避免在循环中修改 DataFrame

在循环中直接修改 DataFrame 是一个非常低效的操作，尤其是在处理大型数据集时。每次修改都会导致 Pandas 重新分配内存，从而显著降低性能。建议尽量避免在循环中修改 DataFrame，而是先将需要添加的数据存储在一个列表中，最后一次性添加到 DataFrame 中。

import pandas as pd

# 示例 DataFrame
data = {'col1': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

# 创建一个空列表，用于存储新列的数据
new_col_data = []

# 循环遍历 DataFrame 的每一行
for index, row in df.iterrows():
    # 根据某些条件计算新列的值
    if row['col1'] > 3:
        new_value = row['col1'] * 2
    else:
        new_value = row['col1'] + 1

    # 将新值添加到列表中
    new_col_data.append(new_value)

# 将列表添加到 DataFrame 中
df['new_col'] = new_col_data

print(df)

登录后复制

代码解释：

首先，我们创建了一个示例 DataFrame。
然后，我们创建了一个空列表 new_col_data，用于存储新列的数据。
循环遍历 DataFrame 的每一行，根据 col1 的值计算 new_col 的值，并将结果添加到 new_col_data 列表中。
最后，将 new_col_data 列表赋值给 DataFrame 的新列 new_col。

注意事项：

确保 new_col_data 列表的长度与 DataFrame 的行数相同。
可以使用 apply 函数代替循环，提高代码的可读性和效率。

解决方案三：正确理解 pd.concat 的用法

pd.concat 函数用于连接 Pandas 对象，包括 DataFrame 和 Series。如果使用不当，可能会导致数据丢失或产生意想不到的结果。

Sider

多功能AI浏览器助手，帮助用户进行聊天、写作、阅读、翻译等

3159

查看详情

在提供的原始代码中，存在以下问题：

dfH=pd.concat([dfH.loc[common_values]],
                      axis=1)

登录后复制

这行代码试图将 dfH.loc[common_values] 与 dfH 沿列方向连接，但是 dfH.loc[common_values] 的结果可能不是你想要的。 dfH.loc[common_values] 会尝试根据 common_values 中的值作为索引来选择 dfH 中的行。如果 common_values 中的值不是 dfH 的索引，则会出错。即使 common_values 中的值是 dfH 的索引，连接后的结果也可能不是你期望的。

正确的用法：

如果想要将一个 Series 或 DataFrame 添加到现有的 DataFrame 中，可以直接赋值：