DataFrame新增列操作疑问：列表修改为何影响原列？

问题1：apply+append生成的列全为None，原列还被修改 #

这是因为list.append()是原地修改列表的方法，它执行后不会返回新列表，而是返回None——所以用apply调用append，得到的TEST2列自然全是None。同时，因为append直接修改了原列表对象，原N列的内容也跟着变了。

解决办法换用不会原地修改的方式生成新列表：

• 用列表拼接符+，它会返回全新列表，不改动原数据：

  df['TEST2'] = df['N'].apply(lambda x: x + ['新增元素'])
  

• 或者先复制原列表再append，避免修改原数据：

  df['TEST2'] = df['N'].apply(lambda x: x.copy().append('新增元素'))
  

问题2：直接赋值后修改新列，原列同步变化 #

这是Python可变对象的特性导致的——列表是可变类型，当你直接df['TEST4'] = df['N']时，并没有复制列表内容，只是让TEST4列和N列指向了同一个列表对象。所以不管改哪一列的元素，另一个都会同步变化。

而你之前处理数值型列没问题，是因为数值（比如int、float）是不可变类型，赋值时会直接复制值，新列和原列完全独立。

解决这个问题需要给列表做拷贝，让新列拥有独立的列表对象：

# 浅拷贝（适用于列表里都是不可变元素的情况）
df['TEST4'] = df['N'].apply(lambda x: x.copy())

# 如果列表里还有嵌套的可变对象，要用深拷贝
import copy
df['TEST4'] = df['N'].apply(lambda x: copy.deepcopy(x))

内容的提问来源于stack exchange，提问作者Lookasz_BL