如何将Pandas中新增列的for循环改写为单行代码？

我有一个DataFrame df，可通过以下代码生成：

import pandas as pd
  
data = [10,20,30,40,50,60]
  
df = pd.DataFrame(data, columns=['Numbers'])

现在需要检查给定列表中的列名是否存在于df中，若不存在则创建同名新列并将值设为0，原循环代码如下：

columns_list=["3","5","8","9","12"]

for i in columns_list:
   if i not in df.columns.to_list():
        df[i]=0

我尝试将其改写为单行代码：

[df[i]=0 for i in columns_list if i not in df.columns.to_list()]

但IDE返回语法错误：

SyntaxError: cannot assign to subscript here. Maybe you meant '==' instead of '='?

请问该如何正确实现？

报错原因 #

列表推导式的核心是生成列表元素，它内部不能包含赋值语句（=）——赋值属于副作用操作，并非用来生成列表项，这就是你收到语法错误的直接原因。

方法1：使用Pandas原生assign()方法（推荐） #

这是最符合Pandas风格的写法，通过字典推导生成需要添加的列与对应值，再用assign()批量处理：

# 生成新的DataFrame（不修改原df）
df_new = df.assign(**{col: 0 for col in columns_list if col not in df.columns})

# 如果需要原地修改原df，直接重新赋值即可
df = df.assign(**{col: 0 for col in columns_list if col not in df.columns})

方法2：单行循环写法（不推荐） #

如果一定要压缩成单行循环形式，可直接简化原循环逻辑，但这种写法可读性较差：

for col in columns_list: df[col] = 0 if col not in df.columns else df[col]

也可以利用__setitem__方法在列表推导中执行赋值，但会生成一个无意义的None列表，不推荐使用：

[df.__setitem__(col, 0) for col in columns_list if col not in df.columns]

方法3：高效列存在性检查（适用于大列表） #

若columns_list元素较多，建议先将df.columns转为集合——集合的成员检查速度远快于列表：

existing_cols = set(df.columns)
df = df.assign(**{col: 0 for col in columns_list if col not in existing_cols})

内容的提问来源于stack exchange，提问作者William