问题描述

我希望您的语法也能正常工作。出现问题的原因是，当您使用column-list语法（df[[new1, new2]] = ...）创建新列时，pandas要求右侧为DataFrame（请注意，DataFrame的列是否具有与列相同的名称实际上并不重要您正在创建）。

您的语法可以很好地为 现有 列分配标量值，并且pandas也很乐意使用单列语法（df[new1] = ...）将标量值分配给新列。因此，解决方案是将其转换为几个单列分配，或者为右侧创建合适的DataFrame。

这里有几种方法是 将 工作：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'col_1': [0, 1, 2, 3],
    'col_2': [4, 5, 6, 7]
})

然后执行以下操作之一：

1）使用列表拆包，将三个作业合二为一：

df['column_new_1'], df['column_new_2'], df['column_new_3'] = [np.nan, 'dogs', 3]

2）DataFrame方便地扩展单个行以匹配索引，因此您可以执行以下操作：

df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.DataFrame([[np.nan, 'dogs', 3]], index=df.index)

3）使用新列创建一个临时数据框，然后与原始数据框合并：

df = pd.concat(
    [
        df,
        pd.DataFrame(
            [[np.nan, 'dogs', 3]], 
            index=df.index, 
            columns=['column_new_1', 'column_new_2', 'column_new_3']
        )
    ], axis=1
)

4）与之前类似，但使用join代替concat（可能效率较低）：

df = df.join(pd.DataFrame(
    [[np.nan, 'dogs', 3]], 
    index=df.index, 
    columns=['column_new_1', 'column_new_2', 'column_new_3']
))

5）使用dict比前两个更“自然”地创建新数据框，但是新列将按字母顺序排序（至少[在Python

3.6或3.7之前](http://codingdict.com/questions/178055)）：

df = df.join(pd.DataFrame(
    {
        'column_new_1': np.nan,
        'column_new_2': 'dogs',
        'column_new_3': 3
    }, index=df.index
))

6）.assign()与多个列参数一起使用。

我非常喜欢@zero答案中的此变体，但与上一个一样，新列将始终按字母顺序排序，至少在早期版本的Python中：

df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)

7）这很有趣，但是我不知道什么时候值得这样做：

new_cols = ['column_new_1', 'column_new_2', 'column_new_3']
new_vals = [np.nan, 'dogs', 3]
df = df.reindex(columns=df.columns.tolist() + new_cols)   # add empty cols
df[new_cols] = new_vals  # multi-column assignment works for existing cols

8）最后，很难击败三个独立的任务：

df['column_new_1'] = np.nan
df['column_new_2'] = 'dogs'
df['column_new_3'] = 3

注意：这些选项中的许多选项已经包含在其他答案中：将多个列添加到DataFrame并将它们设置为与现有列相等，是否可以一次将多个列添加到pandasDataFrame？，向pandasDataFrame添加多个空列

解决方法

import pandas as pd

df = {'col_1': [0,1,2,3],'col_2': [4,5,6,7]}
df = pd.DataFrame(df)

df[[ 'column_new_1','column_new_2','column_new_3']] = [np.nan,'dogs',3]  #thought this would work here...