如何为已有数据的DataFrame同时添加值不同的多列？

当然可以一次性添加这两列！完全不用逐个操作，pandas提供了几种通用又高效的方法来批量创建新列，我给你整理了最常用的几种：

方法1：使用assign()方法（推荐，灵活且安全） #

assign()是我个人最常用的方式，它可以一次性定义多个新列，并且返回一个包含新列的新DataFrame（不会修改原始的df，如果你想覆盖原数据，直接重新赋值就行）。代码示例：

# 生成带新列的新DataFrame，原df保持不变
new_df = df.assign(Subject="F1", Slide="1A")

# 如果需要直接更新原df，就这么写
df = df.assign(Subject="F1", Slide="1A")

这个方法最大的优势是支持链式操作——比如你可以紧接着对新列做过滤、转换等操作，非常适合数据处理流水线。

方法2：直接批量赋值（直接修改原DataFrame） #

如果你想直接在原始DataFrame上添加列，不用创建新对象，可以用简洁的广播赋值：

# pandas会自动把标量值"F1"和"1A"广播到整个列
df.loc[:, ['Subject', 'Slide']] = ["F1", "1A"]

或者也可以用字典来明确指定列和对应的值，这种方式在需要动态生成列值时更清晰：

import pandas as pd
df[['Subject', 'Slide']] = pd.DataFrame({
    'Subject': ["F1"] * len(df),
    'Slide': ["1A"] * len(df)
})

额外提示：适配动态列值的场景 #

上面的例子是固定值的情况，但这些方法同样适用于需要根据现有列计算新列的场景。比如如果Subject的值需要基于df里的某列生成，用assign()可以这么写：

df = df.assign(Subject=lambda x: x['ID'].str[:2], Slide="1A")

这种写法非常通用，不管是固定值还是动态计算的列，都能统一处理。

内容的提问来源于stack exchange，提问作者Alex