当向 DataFrame 中添加列时，可以使用多种方法。以下是一些常见的方法：
- assign 方法：
assign方法用于添加新的列到 DataFrame，并返回一个新的 DataFrame。它允许你通过指定列名和计算方式来创建新列。
import pandas as pd
# 使用 assign 方法添加新列
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df = df.assign(C=lambda x: x['A'] + x['B'])
- eval 方法：
eval方法允许使用字符串表达式来计算新列，并将结果存储在 DataFrame 中。
# 使用 eval 方法添加新列
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df.eval('C = A + B', inplace=True)
- 直接赋值：你也可以直接使用等号将一个 Pandas Series 赋值给 DataFrame 的新列。
# 直接赋值添加新列
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df['C'] = df['A'] + df['B']
- DataFrame.apply 方法：使用 apply 方法可以应用一个函数到 DataFrame 的每一行或列，然后将结果分配给新列。
# 使用 apply 方法添加新列
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df['C'] = df.apply(lambda row: row['A'] + row['B'], axis=1)
- 使用 numpy、pandas 函数：你还可以使用 NumPy 或 Pandas 提供的函数来计算新列，并将结果赋值给 DataFrame 的新列。
import numpy as np
# 使用 NumPy 函数添加新列
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df['C'] = np.sqrt(df['A'] ** 2 + df['B'] ** 2)
当需要同时添加多列时，通常用assign(),eval()等方法一步实现：
当要一步添加多列到 DataFrame 时，可以使用 assign()、eval()、直接赋值等方法。下面是这些方法的全面列举：
- 使用
assign()方法同时添加多列：
df = df.assign(
New_Column_1 = calculation_1,
New_Column_2 = calculation_2,
...
)
- 使用
eval()方法同时添加多列：
df.eval("""
New_Column_1 = calculation_1,
New_Column_2 = calculation_2,
...
""", inplace=True)
- 直接赋值方式添加多列：
df['New_Column_1'] = calculation_1
df['New_Column_2'] = calculation_2
...
- 使用字典一次性赋值多列：
new_columns = {
'New_Column_1': calculation_1,
'New_Column_2': calculation_2,
...
}
for col, func in new_columns.items():
df[col] = func
assign()和eval()是Pandas中用于添加列的两种方法，它们各自有优点和缺点。
assign()的优点：
- 直观易懂：
assign()方法接受关键字参数，每个参数都是一个新列的名称和对应的计算公式，这使得代码的意图更加清晰和直观。 - 灵活性： 可以方便地使用Python的任何可调用对象作为计算公式，包括函数、lambda函数等。
- 链式操作： 可以通过链式调用
assign()方法来一次性添加多个列，使代码更加简洁。
assign()的缺点：
- 无法直接引用已有列： 在计算新列时，无法直接引用已有的列，需要通过DataFrame的索引方式（例如
df['column']）来引用。 - 性能较差： 当需要进行大量计算时，
assign()方法可能会比较慢，因为它在内部会创建临时DataFrame。
eval()的优点：
- 性能优化：
eval()方法利用了Pandas内部的一些优化机制，可以在一定程度上提高计算效率，尤其是对于较大的数据集。 - 支持引用列： 在计算新列时，可以直接引用已有的列，无需使用DataFrame的索引方式。
eval()的缺点：
- 限制较多： 由于
eval()要求计算表达式必须是字符串形式，因此有一些计算无法直接在eval()中进行，特别是对于复杂的计算逻辑。 - 不够灵活： 相比于
assign()，eval()对计算公式的灵活性较差，无法直接使用Python的函数或lambda函数进行计算。
综上所述，如果您的计算逻辑比较简单且需要高性能，可以考虑使用eval()方法；如果您需要更灵活的计算方式，并且可读性更重要，那么assign()方法可能更适合您的需求。
