如何为Pandas DataFrame新增多列并批量添加多行数据？

你需要给现有DataFrame批量添加模型输出的多列，之前的尝试因为数据结构不匹配报错，下面是几种可行的方法：

错误原因说明 #

你写的df[['col3', 'col4']] = [[1,2,3,4,5],[1,2,3,4,5]]，传入的是两个长度为5的列表，相当于2行数据，但你的DataFrame有5行，Pandas期望的是5行、每行对应2个新列的值，维度不匹配导致报错。而df['col3', 'col4']这种写法会创建一个多级索引的单列，并非两列，所以会提示长度不匹配。

正确的批量赋值方法 #

方法1：调整数据结构为每行对应新列值 #

直接把数据改成每行包含两个新列数值的结构，Pandas会自动对应列赋值：

import pandas as pd
df = pd.DataFrame({'col1':[1,2,3,4,5], 'col2':[1,2,3,4,5]})
# 每行对应col3和col4的数值
df[['col3', 'col4']] = [[1,1], [2,2], [3,3], [4,4], [5,5]]

方法2：转置现有行式数据 #

如果模型输出是按列返回的（比如两个长度为5的数组），可以用pd.DataFrame转置后匹配行结构：

# 模型返回的两个结果数组
output_col3 = [1,2,3,4,5]
output_col4 = [1,2,3,4,5]
# 转置后赋值
df[['col3', 'col4']] = pd.DataFrame([output_col3, output_col4]).T

方法3：用pd.concat拼接新列 #

把新列单独做成小DataFrame，再和原DataFrame横向拼接：

new_cols = pd.DataFrame({
    'col3': [1,2,3,4,5],
    'col4': [1,2,3,4,5]
})
df = pd.concat([df, new_cols], axis=1)

方法4：直接用二维数组赋值（适配模型输出） #

如果机器学习模型返回的是二维数组（格式为(样本数, 输出列数)，这里是(5,2)），可以直接赋值：

import numpy as np
# 模拟模型输出的二维数组
model_output = np.array([[1,1], [2,2], [3,3], [4,4], [5,5]])
df[['col3', 'col4']] = model_output

内容的提问来源于stack exchange，提问作者David Siret Marquès