一、准备数据
引入需用的包，并新建DataFrame例子
in [1]: import pandas as pd
import numpy as np
in [2]: data = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'])
in [3]: data
out[3]:
a b c
0 1 2 3
1 4 5 6
2 7 8 9
二、insert 方法
使用 pandas 的 insert 方法，第一个参数指定插入列的位置，第二个参数指定插入列的列名，第三个参数指定插入列的数据，这个方法也是我比较推崇的。
in [4]: data.insert(data.shape[1], 'd', 0)
in [5]: data
out[5]:
a b c d
0 1 2 3 0
1 4 5 6 0
2 7 8 9 0
三、obj[‘col’] = value 方法
直接对 DataFrame 直接赋值即可
in [6]: data['d'] = 0
in [7]: data
out[7]:
a b c d
0 1 2 3 0
1 4 5 6 0
2 7 8 9 0
四、reindex 方法
使用 reindex 函数，还可以指定缺失值填充的值，不过缺点是要把原有的列名和新列名都加上，如果列名过多，那就比较麻烦了。
in [8]: data = data.reindex(columns=['a', 'b', 'c', 'd'], fill_value=0)
in [9]: data
out[9]:
a b c d
0 1 2 3 0
1 4 5 6 0
2 7 8 9 0
五、concat 方法
concat 方法是用来拼接数据的，在这里是利用拼接过程中新建一个包含新列名的空DataFrame，好处是可以同时新增多个列名。
in [10]: data = pd.concat([data, pd.DataFrame(columns=['d'])], sort=False)
in [11]: data
out[11]:
a b c d
0 1.0 2.0 3.0 NaN
1 4.0 5.0 6.0 NaN
2 7.0 8.0 9.0 NaN
六、loc 方法
loc 方法和 iloc 方法一样，可以索引 DataFrame 数据，一般是通过
data.loc[index, col] = value
来进行赋值，这里利用：来索引全部行再进行赋值。
in [12]: data.loc[:, 'd'] = 0
in [13]: data
out[13]:
a b c d
0 1 2 3 0
1 4 5 6 0
2 7 8 9 0亲测可用
转载自：
版权声明：本文为博主原创文章，遵循
CC 4.0 BY-SA
版权协议，转载请附上原文出处链接和本声明。
链接：
https://blog.csdn.net/qq_35318838/article/details/102720553