dataframe添加一列数据spark 在dataframe里添加一列

一、准备数据

引入需用的包，并新建DataFrame例子

in [1]: import pandas as pd
         import numpy as np
in [2]: data = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'])
in [3]: data
out[3]:
         a     b     c
    0     1     2     3
    1     4     5     6
    2     7     8     9

二、insert 方法

使用 pandas 的 insert 方法，第一个参数指定插入列的位置，第二个参数指定插入列的列名，第三个参数指定插入列的数据，这个方法也是我比较推崇的。

in [4]: data.insert(data.shape[1], 'd', 0)
in [5]: data
out[5]:
        a     b     c     d
    0     1     2     3     0
    1     4     5     6     0
    2     7     8     9     0

三、obj[‘col’] = value 方法

直接对 DataFrame 直接赋值即可

in [6]: data['d'] = 0
in [7]: data
out[7]:
         a     b     c     d
    0     1     2     3     0
    1     4     5     6     0
    2     7     8     9     0

四、reindex 方法

使用 reindex 函数，还可以指定缺失值填充的值，不过缺点是要把原有的列名和新列名都加上，如果列名过多，那就比较麻烦了。

in [8]: data = data.reindex(columns=['a', 'b', 'c', 'd'], fill_value=0)
in [9]: data
out[9]:
        a     b     c     d
    0     1     2     3     0
    1     4     5     6     0
    2     7     8     9     0

五、concat 方法

concat 方法是用来拼接数据的，在这里是利用拼接过程中新建一个包含新列名的空DataFrame，好处是可以同时新增多个列名。

in [10]: data = pd.concat([data, pd.DataFrame(columns=['d'])], sort=False)
in [11]: data
out[11]:
        a         b         c         d
    0     1.0     2.0     3.0     NaN
    1     4.0     5.0     6.0     NaN
    2     7.0     8.0     9.0     NaN

六、loc 方法

loc 方法和 iloc 方法一样，可以索引 DataFrame 数据，一般是通过 data.loc[index, col] = value 来进行赋值，这里利用：来索引全部行再进行赋值。

in [12]: data.loc[:, 'd'] = 0
in [13]: data
out[13]:
         a     b     c     d
    0     1     2     3     0
    1     4     5     6     0
    2     7     8     9     0