pandas dataframe在指定的位置添加一列, 或者一次性添加几列，reindex，pd.concat的使用

相信有很多人收这个问题的困扰，如果你想一次性在pandas.DataFrame里添加几列，或者在指定的位置添加一列，都会很苦恼找不到简便的方法；

可以用到的函数有df.reindex, pd.concat

我们来看一个例子：

df 是一个DataFrame， 如果你只想在df的后面添加一列，可以用下面的方法，

df = pd.DataFrame(columns=['A', 'B'], data = [[1,2],[3,4]])

df
Out[52]: 
   A  B
0  1  2
1  3  4

df['B'] = None

df['C'] = None

df
Out[55]: 
   A     B     C
0  1  None  None
1  3  None  None

但是如果你想一次性添加两列级以上，你可能会用通样的办法

df[['D','E']] == None

# 结果就报错了 
 
KeyError: "['D' 'E'] not in index"

所以接下来我想介绍两种认为比较简便的方法

第一个方法是利用pd.concat 在DataFrame后面添加两列，这种方法的缺点是不能指定位置

 pd.concat([df, pd.DataFrame(columns=list('DE'))])
Out[57]: 
     A     B     C    D    E
0  1.0  None  None  NaN  NaN
1  3.0  None  None  NaN  NaN

第二种方法是利用 reindex来重排和增加列名

df.reindex(columns=list('ABCDE'))
Out[58]: 
   A     B     C   D   E
0  1  None  None NaN NaN
1  3  None  None NaN NaN

这种方法，你可以改变各列的相对位置，且保留原始列的数值，比如

df.reindex(columns=list('BCADE'))
Out[59]: 
      B     C  A   D   E
0  None  None  1 NaN NaN
1  None  None  3 NaN NaN

reindex 还有 fill_value 选项，可以填充NaN，例子如下

df.reindex(columns=list('ABCDE'), fill_value=0)
Out[60]: 
   A     B     C  D  E
0  1  None  None  0  0
1  3  None  None  0  0

当然这里举的例子比较简单，在实际运用中，列名可能都比较长，都敲出来肯定不方便，所以我们需要更强大的方法，运用到 list.insert的方法

list.insert(index, obj)

参数

• index -- 对象obj需要插入的索引位置。
• obj -- 要插入列表中的对象。

先获取原列名集合, 赋值给新变量（这个很重要，具体原因我也不知道为啥）， 然后 insert

df
Out[86]: 
   A  B   C
0  1  None  None
1  3  None  None

col_name = df.columns.tolist()
col_name.insert(1,'D')
df.reindex(columns=col_name)

Out[92]: 
   A   D     B     C
0  1 NaN  None  None
1  3 NaN  None  None

 或者不用数字索引，直接在某列前面或后面插入，利用 list.index的方法

col_name = df.columns.tolist()
col_name.insert(col_name.index('B'),'D')  # 在 B 列前面插入
df.reindex(columns=col_name)

Out[93]: 
   A   D     B     C
0  1 NaN  None  None
1  3 NaN  None  None


col_name = df.columns.tolist()

col_name.insert(col_name.index('B')+1,'D') # 在 B 列后面插入
df.reindex(columns=col_name)

Out[96]: 
   A     B   D     C
0  1  None NaN  None
1  3  None NaN  None