如何在Pandas DataFrame中从现有列创建新列？（实例演示）

嘿，这个需求其实超级简单，用Pandas的几种基础操作就能轻松实现，下面给你分享几个常用的方法：

方法一：直接列赋值（最直观易懂） #

这是最直接的方式，你只需要通过列名直接给DataFrame添加新列，把原列的值直接赋值过去就行，完全不用担心行的对应问题——Pandas会自动帮你对齐索引。

代码示例：

import pandas as pd

# 先构造你的原始DataFrame
df = pd.DataFrame({
    '2019Q4': [20, 56, 63],
    '2020Q4': [10, 15, 14]
})

# 新增目标列
df['year2019'] = df['2019Q4']
df['year2020'] = df['2020Q4']

# 打印结果
print(df)

方法二：使用assign()方法（链式操作友好） #

如果你习惯用链式调用的写法，或者想保留原始DataFrame不被修改，assign()方法会是个不错的选择，它可以一次性创建多个新列并返回一个新的DataFrame。

代码示例：

# 生成带新列的新DataFrame（原df保持不变）
new_df = df.assign(
    year2019=df['2019Q4'],
    year2020=df['2020Q4']
)

# 如果不需要保留原df，也可以直接覆盖
# df = df.assign(year2019=df['2019Q4'], year2020=df['2020Q4'])

方法三：批量处理（适合多列场景） #

如果你的DataFrame里有很多类似YYYYQN格式的列，不想手动一个个写赋值语句，可以用循环批量生成新列，效率更高：

代码示例：

for col in df.columns:
    # 提取列名里的年份部分（前4位）
    year_part = col[:4]
    # 构造新列名
    new_col_name = f'year{year_part}'
    # 赋值新列
    df[new_col_name] = df[col]

运行任意一种方法后，你都会得到想要的结果：

内容的提问来源于stack exchange，提问作者rakesh