将列附加到填充相同布尔值的数据帧的最佳方法是什么

Question

给定一个数据框，如下所示：df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],                'B': ['B0', 'B1', 'B2'],                'C': ['C0', 'C1', 'C2']},                index=[0, 1, 2])   A   B   C0  A0  B0  C01  A1  B1  C12  A2  B2  C2 我想添加一个用值 False 初始化的列“D”。列“D”将用于数据帧的未来处理：    A   B   C      D0  A0  B0  C0  False1  A1  B1  C1  False2  A2  B2  C2  False我根据 df1 索引生成了一个 False 值列表，并用它来创建一个 df2，然后将它与 df1 连接起来：Dlist = [False for item in list(range(len(df1.index)))]d = {'D':Dlist}df2 = pd.DataFrame(d, index = df1.index)result = pd.concat([df1, df2], axis=1, join_axes=[df1.index])几个问题：第一行中的列表理解需要如此参与吗？我尝试了以下操作，认为 'df1.index' 就像列表一样。它没有用。Dlist = [False for item in df1.index]更广泛地说，有没有更好的方法来使用数据框操作来做到这一点？如果我正在处理一个包含 df1 数据的“csv”文件，我可以在生成数据帧之前轻松地将“D”添加到文件中。在哲学方面，在处理数据时是否不可避免地修改数据帧或它们来自的“csv”文件？在处理非常大的文件中的数据时，它当然看起来不太好。

Answer 1

您可以只使用基于索引的分配：

In [16]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],

    ...:                 'B': ['B0', 'B1', 'B2'],

    ...:                 'C': ['C0', 'C1', 'C2']},

    ...:                 index=[0, 1, 2])

In [17]: df1

Out[17]:

    A   B   C

0  A0  B0  C0

1  A1  B1  C1

2  A2  B2  C2

In [18]: df1['D'] = False

In [19]: df1

Out[19]:

    A   B   C      D

0  A0  B0  C0  False

1  A1  B1  C1  False

2  A2  B2  C2  False

如果您不想修改原始数据框，也可以使用.assignwhich返回一个新的数据框：

In [20]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],

    ...:                 'B': ['B0', 'B1', 'B2'],

    ...:                 'C': ['C0', 'C1', 'C2']},

    ...:                 index=[0, 1, 2])

In [21]: df1

Out[21]:

    A   B   C

0  A0  B0  C0

1  A1  B1  C1

2  A2  B2  C2

In [22]: df1.assign(D=False)

Out[22]:

    A   B   C      D

0  A0  B0  C0  False

1  A1  B1  C1  False

2  A2  B2  C2  False

In [23]: df1

Out[23]:

    A   B   C

0  A0  B0  C0

1  A1  B1  C1

2  A2  B2  C2

pd.concat在这里使用真的没有用，您可以简单地分配列表！无论哪种方式，它仍然要慢得多：

In [44]: import timeit

In [45]: setup = 'import pandas as pd; df = pd.DataFrame({"a":list(range(100000))})'

In [46]: lstcomp = "df['D'] = [False for item in range(len(df.index))]"

In [47]: assgnmt = "df['D'] = False"

In [48]: timeit.timeit(lstcomp, setup, number=100)

Out[48]: 0.6879564090049826

In [49]: timeit.timeit(assgnmt, setup, number=100)

Out[49]: 0.008814844011794776

至于你的列表理解，没有必要，但它绝对过于复杂。您说您尝试迭代索引，但“它不起作用”，但您从未解释过它是如何不起作用的。这个对我有用：

In [24]: [False for item in list(range(len(df1.index)))]

Out[24]: [False, False, False]

In [25]: [False for item in df1.index]

Out[25]: [False, False, False]

请注意，您的倍加低效的，因为它要求list的上range对象，它创建了一个完整列表，而不是充分利用range的固定内存的行为（更不用提迭代两次）。