如何为Python现有Pandas DataFrame添加列及条件因子变量列

有三种常用方案，适配不同场景：

• 多列合并首选pd.concat，沿列轴拼接即可，自动保留df2的原有列名：

  df = pd.concat([df, df2], axis=1)
  

• df2仅为单列时，可直接赋值：
  假设取df2的第一列，自定义列名为target_col：

  df['target_col'] = df2.iloc[:, 0]
  

• 若要使用assign方法，把df2解包为字典传入即可：

  df = df.assign(**df2)
  

最灵活的方案是先初始化列默认值，再通过布尔索引为符合条件的行赋值，适配后续还要调整C类规则的需求：

1. 先计算df2数值列的10%、90%分位数（假设合并后df2的列名为val_col）：

   q10, q90 = df['val_col'].quantile([0.1, 0.9])
   

2. 初始化分类列，默认值设为C，再修改A、B类对应行的值：

   df['factor_col'] = 'C'
   df.loc[df['val_col'] <= q10, 'factor_col'] = 'A'
   df.loc[df['val_col'] >= q90, 'factor_col'] = 'B'
   

后续需要根据df3调整C类取值时，直接新增loc条件修改对应行即可。

示例场景完整代码 #

对应你给出的df1合并df2、生成二分类列的需求，完整实现如下：

import pandas as pd

# 示例数据（你实际使用时替换为自己读入的df、df2即可）
df1 = pd.DataFrame({'weight': [55, 65, 75, 85, 95], 'height': [160, 170, 175, 180, 185]})
df2 = pd.DataFrame({'age': [22, 35, 42, 50, 38]})

# 合并列
df = pd.concat([df1, df2], axis=1)

# 生成二分类列
df['sex'] = 'B'
df.loc[df['age'] < 40, 'sex'] = 'A'

最终得到的df可直接用于后续的分组筛选、统计、绘图操作。

内容的提问来源于stack exchange，提问作者user14467343