使用原始的df1索引创建系列:
df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
编辑2015年 有些人报告SettingWithCopyWarning
使用此代码。 但是,该代码仍可以在当前的熊猫0.10.1版本中完美运行。
>>> sLength = len(df1['a'])
>>> df1
a b c d
6 -0.269221 -0.026476 0.997517 1.294385
8 0.917438 0.847941 0.034235 -0.448948
>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
a b c d e
6 -0.269221 -0.026476 0.997517 1.294385 1.757167
8 0.917438 0.847941 0.034235 -0.448948 2.228131
>>> p.version.short_version
'0.16.1'
该SettingWithCopyWarning
目标对数据帧的副本通知可能无效转让的。它不一定表示您做错了(它可能会触发误报),但从0.13.0起,它会让您知道有更多适当的方法可以实现相同的目的。然后,如果收到警告,请遵循其建议:尝试使用.loc [row_index,col_indexer] = value代替
>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
a b c d e f
6 -0.269221 -0.026476 0.997517 1.294385 1.757167 -0.050927
8 0.917438 0.847941 0.034235 -0.448948 2.228131 0.006109
>>>
实际上,这是目前熊猫文档中描述的更有效的方法
如评论中所述,@ Alexander指出,当前最好将Series的值添加为DataFrame的新列的最佳方法是使用assign:
df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)