如何为DataFrame指定行添加Numpy ndarray作为新列？

没问题，这事儿其实挺容易搞定的，我给你一步步拆解实现方法，连细节坑都给你踩平：

步骤1：导入必要库 #

首先得把pandas和numpy导进来，这俩是处理这类需求的核心工具：

import pandas as pd
import numpy as np

步骤2：创建示例DataFrame #

先还原你说的测试数据：

df = pd.DataFrame({
    'Name': ['Test', 'Test2'],
    'Years': [2, 4]
})

步骤3：定义目标Numpy数组 #

把你要赋值的数组转成numpy格式（当然直接用列表也能存，但用numpy数组更符合你的需求描述）：

testarray1 = np.array([100, 101, 1, 0, 0, 5])

步骤4：新增列并赋值 #

这里有个关键细节：因为我们要在单元格里存数组（属于object类型），直接初始化NaN的话列是float类型，所以得先转成object类型，再给特定行赋值：

# 新增一列，先全部设为NaN，然后转换为object类型（支持存数组）
df['array'] = np.nan
df['array'] = df['array'].astype(object)

# 给Name为'Test'的行赋值数组，注意要把数组包在列表里！
df.loc[df['Name'] == 'Test', 'array'] = [testarray1]

为什么要把数组包在列表里？ #

如果直接写df.loc[...,'array'] = testarray1，pandas会误以为你要把数组的每个元素分别赋值给多行，但我们是要把整个数组作为单个元素放进单元格，所以必须用[testarray1]告诉pandas：这是给这一行的这个单元格的单个值。

验证结果 #

运行完上面的代码后，打印df看看效果：

print(df)

输出会是：

Name  Years                array
0   Test      2  [100, 101, 1, 0, 0, 5]
1  Test2      4                    NaN

扩展：给其他行赋值不同数组 #

如果之后需要给其他行也赋值不同的数组，用同样的逻辑就行：

testarray2 = np.array([200, 201, 3])
df.loc[df['Name'] == 'Test2', 'array'] = [testarray2]

内容的提问来源于stack exchange，提问作者quant