Pandas复制列后head()不显示，assign方法使用是否正确？

哦，这个问题我碰到过好多次！核心原因是你没搞清楚pandas里assign()方法的特性——它不会原地修改你的DataFrame，而是返回一个包含新列的全新DataFrame对象。你看到的输出其实是这个临时的新DataFrame，但原数据根本没被更新，所以调用head()自然看不到新列。

正确的用法：必须将assign的结果赋值回变量 #

要让新列真正出现在你的DataFrame里，你需要把assign()的返回值重新赋值给原变量（或者一个新变量），比如：

# 直接引用原列的方式
df = df.assign(ts=df['date'], clicks=df['y'])

或者用更优雅的lambda表达式（适合链式操作的场景）：

# 使用lambda引用当前DataFrame
df = df.assign(ts=lambda x: x['date'], clicks=lambda x: x['y'])

验证效果 #

执行完上面的赋值语句后，再调用df.head()，你就能看到ts和clicks这两个新列了——它们分别是date和y列的副本。

常见误区提醒 #

别尝试给assign()加inplace=True参数！和pandas里的drop()、rename()不同，assign()方法根本没有inplace参数，原地修改的思路在这里行不通，必须通过赋值来更新数据。

举个完整的小例子演示：

import pandas as pd

# 初始化测试DataFrame
df = pd.DataFrame({
    'date': ['2024-01-01', '2024-01-02', '2024-01-03'],
    'y': [150, 220, 180]
})

# 错误用法：只调用assign，不赋值
df.assign(ts=df['date'], clicks=df['y'])
# 这里输出会显示带新列的DataFrame，但原df没变化

# 正确用法：赋值回原变量
df = df.assign(ts=df['date'], clicks=df['y'])

# 现在查看就能看到新列了
print(df.head())

内容的提问来源于stack exchange，提问作者cphill