如何在循环中为Pandas DataFrame追加生成的列？

问题描述 #

遍历原DataFrame的每一列，通过函数生成与原列长度相同的序列，将这些序列依次作为列添加到新初始化的空DataFrame中，但使用df.assign()时无法正常运行。

错误分析 #

你的代码存在几个关键问题：

1. 空DataFrame初始化拼写错误：pd.Dataframe()应为pd.DataFrame()（注意大写F）
2. assign()用法错误：该方法需要指定列名和对应数据，且会返回新的DataFrame，不会直接修改原对象
3. 操作对象错误：代码中调用df.assign()而非目标新DataFramedf_new，且未接收返回结果

正确解决方案 #

方法一：修正循环中的assign()用法 #

import pandas as pd

# 模拟你的列处理函数，替换为实际业务逻辑
def process_column(col_data):
    return col_data * 0.5  # 示例：生成原列的半值序列

def main():
    # 模拟原DataFrame（替换为你的实际数据）
    df_full = pd.DataFrame({
        'Col1': [48, 118, 87.4, 19.6],
        'Col2': [42, 100, 8, 10],
        'Col3': [40, 122.2, 96, 20],
        'Col4': [49.6, 120.6, 98, 30]
    })
    
    df_new = pd.DataFrame()  # 正确初始化空DataFrame
    for col in df_full.columns:
        col_data = df_full[col]
        value_generated = process_column(col_data)
        
        # 动态指定列名，接收assign返回的新DataFrame
        df_new = df_new.assign(**{col: value_generated})
    
    print(df_new)

方法二：先收集所有列数据，一次性构建（更高效） #

循环中频繁修改DataFrame会产生性能开销，推荐先收集所有生成的列数据，再一次性构建新DataFrame：

import pandas as pd

def process_column(col_data):
    return col_data * 0.5

def main():
    df_full = pd.DataFrame({
        'Col1': [48, 118, 87.4, 19.6],
        'Col2': [42, 100, 8, 10],
        'Col3': [40, 122.2, 96, 20],
        'Col4': [49.6, 120.6, 98, 30]
    })
    
    # 用字典存储所有生成的列（键为列名，值为序列）
    new_columns = {}
    for col in df_full.columns:
        new_columns[col] = process_column(df_full[col])
    
    # 一次性构建新DataFrame
    df_new = pd.DataFrame(new_columns)
    print(df_new)

关键注意点 #

• pd.DataFrame()初始化时首字母F需大写，拼写错误会直接导致报错
• assign()是不可变操作，必须接收其返回的新DataFrame才能保留修改
• 用**{col: value_generated}可以实现动态列名赋值，适配循环中的不同列
• 当处理大数据集时，方法二的性能远优于方法一，避免了循环中多次DataFrame拷贝

内容的提问来源于stack exchange，提问作者A Newbie