在Pandas 0.16+中如何使用变量指定列名添加列？

这个问题我之前也碰到过！核心原因是assign()方法里的参数是关键字参数，你直接写new_col_name = ...的时候，Python会把new_col_name当成字面量的列名，而不是你变量里存储的字符串值。下面给你两种可行的解决方案：

方案1：用字典解包修正循环逻辑 #

既然assign()支持接收**kwargs（关键字参数），我们可以把动态列名和对应的值打包成字典，再用**解包传入，这样就能让变量里的字符串成为真正的列名了：

for col in test.columns:
    new_col_name = col + "_nancount"
    # 用字典解包传递动态列名
    test = test.assign(**{new_col_name: test[col].isna().sum()})

方案2：批量生成（更高效） #

如果列的数量较多，循环会比较低效，推荐一次性生成所有需要的列，再合并到原DataFrame中：

方法A：利用字典推导式直接assign #

# 一次性生成所有新列的键值对
nancount_dict = {f"{col}_nancount": test[col].isna().sum() for col in test.columns}
# 批量添加到DataFrame
test = test.assign(**nancount_dict)

方法B：用concat合并统计结果 #

先计算所有列的缺失值数量，转成单行DataFrame后添加后缀，再和原表合并：

import pandas as pd

# 计算每列缺失值数量并转成单行DataFrame
nancount_df = test.isna().sum().to_frame().T.add_suffix("_nancount")
# 按列合并原表和统计结果
test = pd.concat([test, nancount_df], axis=1)

这样当原列是["A","B","C"]时，就会自动生成["A_nancount","B_nancount","C_nancount"]这三列啦！

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