如何按行分段为pandas DataFrame设置新列flag的取值

错误原因 #

你遇到的KeyError: 'flag'确实是因为赋值前没有提前创建flag列导致的。另外你写的切片赋值方式属于链式索引操作，就算提前创建了列，也容易触发pandas的SettingWithCopyWarning警告，甚至可能出现赋值不生效的问题，不推荐使用。

最优实现方式 #

推荐以下两种写法，都可以避免上述问题，适配任意索引类型的DataFrame，严格按行的前后顺序切分：

写法1：一行代码实现（最简洁）

导入numpy生成等长序列判断位置，直接转成整数即可：

import numpy as np
df['flag'] = (np.arange(len(df)) >= len(df)//2).astype(int)

写法2：loc显式赋值（可读性最高，无额外依赖）

用pandas官方推荐的loc语法对指定位置赋值：

mid = len(df) // 2
# 前半部分赋值0
df.loc[:mid-1, 'flag'] = 0
# 后半部分赋值1
df.loc[mid:, 'flag'] = 1
# 可按需加这行显式指定列类型为整数
df['flag'] = df['flag'].astype(int)

补充说明 #

如果DataFrame行数是奇数，用len(df)//2计算的中间位置是向下取整，前半部分会比后半部分少1行，若需要前半部分多1行，把mid的计算改成mid = (len(df) + 1) // 2即可。

内容的提问来源于stack exchange，提问作者wawawa