如何为Unstack重塑后的DataFrame添加新列？

嘿，你已经通过unstack(0)把数据成功转成宽表格式了，给这个重塑后的DataFrame加新列其实和操作普通Pandas DataFrame完全一样，下面给你几种实用的方法：

1. 直接赋值添加单个列 #

这是最直观的方式，不管是给列赋固定值，还是基于现有列计算新值都适用：

# 示例1：添加一个固定值的列
SGE['Fixed_Value_Col'] = 100

# 示例2：基于已有列计算（比如计算2015年1月和2月的收入平均值）
SGE['Jan_Feb_Average'] = (SGE['2015-01'] + SGE['2015-02']) / 2

2. 用assign()批量添加多列 #

如果需要一次性添加多个新列，assign()方法会让代码更简洁易读，还支持链式操作：

# 一次性添加"总收入"和"最高收入"两列
SGE = SGE.assign(
    Total_2015=lambda df: df['2015-01'] + df['2015-02'] + df['2015-03'],
    Max_Monthly_Income=lambda df: df[['2015-01', '2015-02', '2015-03']].max(axis=1)
)

这里的lambda df里的df指代当前的DataFrame，你可以直接用它来引用已有列进行计算。

3. 根据索引（History）映射添加列 #

如果新列的值和你的行索引History相关，可以用map()方法来匹配映射关系：

# 假设我们有一个History到用户类型的映射字典
history_to_type = {1: '新用户', 2: '回流用户', 3: '忠实用户'}
# 映射生成新列
SGE['User_Type'] = SGE.index.map(history_to_type)

小提醒 #

• 注意列名的准确性：你的列名是日期字符串（比如'2015-01'），引用的时候要确保字符串完全匹配，别打错日期格式
• 处理空值：如果计算过程中出现NaN，可以用fillna()提前处理，比如(SGE['2015-01'] + SGE['2015-02']).fillna(0)/2

内容的提问来源于stack exchange，提问作者Kbbm