Pandas DataFrame新增列报IndexError下标越界问题如何解决

报错原因 #

你代码中操作的spectrum是形状为(N,4)的numpy数组，原本只有4列，列索引最大为3，直接给索引4的位置赋值自然会触发越界错误。你之前用df["新列名"]赋值不生效，大概率是你操作的对象是转成numpy之后的数组，不是原Pandas DataFrame对象。

解决方案 #

情况1：直接对Pandas DataFrame操作（推荐，适合批量处理200个CSV） #

读取CSV后保留DataFrame结构，直接用Pandas原生列赋值语法即可自动在最后新增计算列：

import pandas as pd
import os

# 替换为你的CSV文件存放目录
csv_dir = "./csv_files"
all_data = []

for file_name in os.listdir(csv_dir):
    if file_name.endswith(".csv"):
        df = pd.read_csv(os.path.join(csv_dir, file_name))
        # 自定义新列名，这里以SpectrumScore为例
        df["SpectrumScore"] = (df["EF"] + df["NP"]) / (df["EP"] + df["EF"] + df["NP"] + df["NF"])
        all_data.append(df)

# 如果需要合并所有CSV的数据到同一个DataFrame，可开启下一行
# total_df = pd.concat(all_data, ignore_index=True)

情况2：必须操作numpy数组的场景 #

如果现有代码逻辑不能修改，必须在numpy数组上新增列，需要先对数组扩容再赋值，不能直接操作不存在的列索引：

import numpy as np

# 原有计算逻辑
EP = spectrum[:, 0]
EF = spectrum[:, 1]
NP = spectrum[:, 2]
NF = spectrum[:, 3]
# 计算新列并转为(N,1)的二维数组
new_col = ((EF + NP)/(EP + EF + NP + NF)).reshape(-1, 1)
# 拼接新列，得到5列的新数组
spectrum = np.hstack([spectrum, new_col])

处理后的spectrum形状为(N,5)，后续就可以正常访问索引4的列。

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