如何仅使用列表理解在 pandas 数据框中创建新列？

Question

我想在 DataFrame 中创建一组 n 列，每个列使用列表推导分配一个单独的值。

#My original dataframe
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})

   A  B
0  1  4
1  2  5
2  3  6

#Expected output - 

pd.concat([df, pd.DataFrame(np.tile(np.array([5,10,15,20,25])[:,None], 3).T)], axis=1)

   A  B  0   1   2   3   4
0  1  4  5  10  15  20  25
1  2  5  5  10  15  20  25
2  3  6  5  10  15  20  25

我需要以这种方式进行 -

#ROUGH structure of the code that I am looking for -
n = "number of columns i want to add"
df[[i for i in range(n)]] = numpyarray #whose shape is (n,3)

我面临的错误很明显-

KeyError: "None of [Int64Index([0, 1, 2], dtype='int64')] are in the [columns]"

#AND

SyntaxError: can't assign to list comprehension

---

我已经阅读了其他允许添加多列的解决方案，但这个解决方案特别需要一个带有 n 迭代器的循环，因为 -

1. 数据框可能需要添加 25 列，这不依赖于值数组
2. 值数组可以是 (3, 15)，这意味着最后 10 列不会从数组中获取它们的值
3. 首选的解决方案是列表推导，因为我将创建的列列表（例如 25 个）来自基于列表推导的迭代器

Answer 1

这是解决方案的更新版本。

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
print(df)
n = 10

df = pd.concat([df,pd.DataFrame(
    np.tile([5*(i+1) for i in range(n)],len(df)).reshape(len(df),n),
    columns=[i+1 for i in range (n)])],axis=1)

print(df)

由此产生的输出如下：

原始数据框：

   A  B
0  1  4
1  2  5
2  3  6

合并的数据框

   A  B  1   2   3   4   5   6   7   8   9  10
0  1  4  5  10  15  20  25  30  35  40  45  50
1  2  5  5  10  15  20  25  30  35  40  45  50
2  3  6  5  10  15  20  25  30  35  40  45  50

我们需要得到一个包含值[5,10,15,...,n*5] 的表。为此，我正在使用：

np.tile([5*(i+1) for i in range(n)],len(df))

这会给我一个这样的数组：

array([ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50,  5, 10, 15, 20, 25, 30, 35,
       40, 45, 50,  5, 10, 15, 20, 25, 30, 35, 40, 45, 50])

现在我们需要将其切换为 3 行 n 列，在本例中 n=10。我正在这样做：

reshape(len(df),n)

这里 len(df) = 3 和 n = 10

结果

np.tile([5*(i+1) for i in range(n)],len(df)).reshape(len(df),n)

将是：

array([[ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50],
       [ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50],
       [ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50]])

现在我已经列出了值，我只需要获取列名。我正在使用列表推导来创建列名。

columns=[i+1 for i in range (n)])]

显然我们必须使用axis=1，否则它将无法正确连接。

将所有这些放在一起即可得到最终结果集。

我回去尝试使用 Akshay 的逻辑。这是我得到的。这也有效。

df2 = pd.concat([df,pd.DataFrame(
    np.tile(np.array([[5*i] for i in range(1,n+1)]), len(df)).T,
    columns=[i+1 for i in range (n)])],axis=1)
print(df2)

如果您认为有更简单的方法可以做到这一点，请告诉我，以便我也可以学习。

之前的回复如下：

我对 pandas 还很陌生，仍在学习解决问题。这是我尝试过的，看起来这就是你想要的。

import pandas as pd
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
lst = [5,10,15,20,25]
n = 6
for i in range(1,n): df[i] =lst[i-1]
print(df)

这给了我以下输出：

   A  B  1   2   3   4   5
0  1  4  5  10  15  20  25
1  2  5  5  10  15  20  25
2  3  6  5  10  15  20  25

这有意义吗？这是您要找的吗？

Answer 2

通过列表理解创建列的一个想法，在 pandas 1.1.1 中进行了测试：

df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})

#list created by list comprehension
L = [i + 1 for i in range(5)]
print (L)
[1, 2, 3, 4, 5]

n = len(L)
df[list(range(n))] = L

print (df)
   A  B  0  1  2  3  4
0  1  4  1  2  3  4  5
1  2  5  1  2  3  4  5
2  3  6  1  2  3  4  5