从lis在dataframe中添加列

Question

我有一个数据框，其中有些列如下：

A   B   C  
0   
4
5
6
7
7
6
5

A中的可能值范围仅为0到7。

另外，我还有一个包含8个元素的列表，如下所示：

List=[2,5,6,8,12,16,26,32]  //There are only 8 elements in this list

如果A列中的元素是n，则需要在新列中插入列表中的第n个元素，例如'D'。

如何在不遍历整个数据帧的情况下一次性完成此操作？

生成的数据帧如下所示：

A   B   C   D
0           2
4           12
5           16
6           26
7           32
7           32
6           26
5           16

注意：数据帧很大，迭代是最后一个选项。但如果需要的话，我也可以在任何其他数据结构（如dict）中排列List中的元素。

Answer 1

在“麻雀”的基础上改进的解决方案。

让df成为您的数据集，然后mylist包含要添加到数据帧的值的列表。

假设您想简单地调用新列，new_column

首先将列表编成一系列：

column_values = pd.Series(mylist)

然后使用insert函数添加列。此函数的优点是允许您选择要放置列的位置。 在下面的示例中，我们将新列定位在从左开始的第一个位置（通过设置loc=0）

df.insert(loc=0, column='new_column', value=column_values)

Answer 2

IIUC，如果您将（不幸命名的）的List变成一个ndarray，您只需自然地索引到它。

>>> import numpy as np
>>> m = np.arange(16)*10
>>> m[df.A]
array([  0,  40,  50,  60, 150, 150, 140, 130])
>>> df["D"] = m[df.A]
>>> df
    A   B   C    D
0   0 NaN NaN    0
1   4 NaN NaN   40
2   5 NaN NaN   50
3   6 NaN NaN   60
4  15 NaN NaN  150
5  15 NaN NaN  150
6  14 NaN NaN  140
7  13 NaN NaN  130

在这里，我构建了一个新的m，但是如果使用m = np.asarray(List)，同样的方法也应该起作用：df.A中的值将挑选出m中的适当元素。

---

请注意，如果您使用的是numpy的旧版本，那么您可能必须使用m[df.A.values]而不是——在过去，numpy不能很好地与其他版本一起使用，并且pandas中的一些重构引起了一些头痛。现在情况有所改善。

Answer 3

直接分配列表：

df['new_col'] = mylist

---

替代方案
将列表转换为序列或数组，然后指定：

se = pd.Series(mylist)
df['new_col'] = se.values

或者

df['new_col'] = np.array(mylist)