Cómo añadir una columna a un DataFrame en Python Pandas

En este tutorial de Python Pandas, aprenderemos a añadir una columna a un dataframe en Python Pandas. Aquí vamos a ver algunos ejemplos relacionados con añadir columna dataframe en pandas.

Añadir una columna a un DataFrame en Python Pandas

Python es un popular lenguaje de programación desarrollado por el programador holandés Guido van Rossum. Pandas es una biblioteca de aprendizaje automático que se utiliza para leer, limpiar, analizar y exportar el conjunto de datos.

Empresas populares en Estados Unidos como Amazon, Tesla, Google, Microsoft, etc. utilizan el aprendizaje automático con python para entender los datos y crear un producto que haga de este mundo un lugar mejor.

¿Quieres aprender a añadir una columna a un marco de datos en python pandas? Hay tres formas populares de añadir una columna a un dataframe en python pandas

1. Assignment operator
2. assign()
3. insert()

Ahora conocemos las formas de añadir una columna a un dataframe en python pandas. Vamos a explorar cada una de ellas en detalle.

Añadir una columna a un dataframe en python pandas utilizando un operador de asignación

La forma más sencilla de añadir una columna a un dataframe en python pandas es utilizando el operador de asignación. Mencione el nombre del dataframe seguido del nombre de la nueva columna dentro de los paréntesis, igual al operador, y luego el valor para la columna.

Si está añadiendo una columna en un dataframe que ya tiene algunos datos, esta información le evitará obtener un error

1. Establezca el valor por defecto de la nueva columna para que las filas ocupadas tengan los mismos valores.
2. Al pasar una lista de valores para la nueva columna asegúrese de que tiene el mismo número de filas que los otros datos, de lo contrario pandas lanzará un error de valor.

ValueError: Length of values does not match length of index 

La imagen muestra la forma correcta de añadir una nueva columna. El género es la nueva columna aquí.

Sintaxis: – La siguiente sintaxis muestra cómo añadir columnas simples y múltiples al dataframe en python pandas.

# add single data
dataframe[new_column] = 'Value'

# add multiple data
dataframe[new_column0, new_column1, new_column2] = [val1, val2, val3]

Descripción de los parámetros: –

• dataframe – el marco de datos de pandas, puede ser cualquier nombre.
• new_column – la nueva columna, puede ser cualquier nombre
• value – un valor de cualquier tipo de datos (entero, cadena, etc.)

Ahora hemos entendido cómo agregar dataframe en python pandas usando un operador de asignación(=). A continuación he implementado estos conocimientos en forma de ejemplo.

Ejemplo: – En el siguiente ejemplo, estoy utilizando un conjunto de datos de empresas populares de lavado de coches en los EE.UU.. La empresa quiere añadir nuevas columnas al marco de datos. Estas nuevas columnas son: –

• Género
• Calle
• Estado
• País
• Código postal

La siguiente imagen muestra el snap actual del dataframe de pandas de python.

Carwash dataset of USA company

I have added a single column to the dataframe which is Gender and I have set the default value as ‘Male’. The alternative default values could be – missing values (nan), None, empty strings (‘ ‘), or the list of values to the length of the index.

# add a Gender column to the dataframe
carwash_df['Gender'] = 'Male'

Añadir una columna a un dataframe en python

Esta vez he añadido múltiples columnas al dataframe y he asignado valores por defecto como sigue:

• Calle – 7500 Sawmill Pkwy
• Estado – Ohio
• País – Estados Unidos
• Código postal – 43065

Cada índice de estas columnas tendrá los mismos valores, alternativamente, podría proporcionar valores vacíos o una lista de valores a la misma longitud del índice.

# add Multiple columns to the dataframe
carwash_df[['Street', 'State', 'Country', 'Zip code']] = ['7500 Sawmill Pkwy', 'Ohio', 'United States', 43065]

Añadir una columna a un dataframe en python pandas utilizando el método assign()

El método assign() en python pandas se utiliza para crear una nueva columna con los valores modificados derivados de la(s) columna(s) existente(s). Es útil cuando el requisito es añadir una columna de un dataframe a otro panda.

Sintaxis: – Esta es la sintaxis para añadir una columna a un dataframe en python pandas utilizando el método assign().

dataframe.assign(**kwargs)

Aquí, **kwargs es el nombre del nuevo marco de datos o el nombre de la nueva columna y puede tener un número n de valores.

Añadir una columna a un dataframe en python pandas utilizando el método insert()

El método insert() en python pandas permite añadir columnas a un dataframe en un índice o posición específica.

Sintaxis: – Esta sintaxis es para el método insert() en python pandas y se utiliza para añadir a una columna a un dataframe en python pandas.

carwash_df.insert(
    loc: int val,
    column: column_name,
    value: single or list of values,
    allow_duplicates: = True/False,
)

Descripción de los parámetros: –

• loc – acepta un valor entero, y define la posición de la columna en el marco de datos.
• column – nombre de la columna que se quiere añadir
• value – se puede pasar un solo valor o una lista de valores
• allow_duplicates – si se establece en False, pandas no permitirá la creación de la columna si ya existe en el dataframe.

Añadir una columna al dataframe pandas con un valor por defecto

El valor por defecto en el dataframe de pandas introduce un valor en el registro automáticamente. Esto es útil, en los siguientes escenarios:

• Se quiere añadir una nueva columna pero la longitud de los valores de la nueva columna no es suficiente para que coincida con la longitud del índice del dataframe existente
• En el caso de las entradas booleanas en la columna, establecer True como valor por defecto completa la mitad del trabajo y viceversa.
• Siempre hay que tener un valor en lugar de valores perdidos. Por defecto, el valor puede facilitar el proceso de limpieza de datos.

En la sección anterior expliqué cómo añadir columnas en python pandas. Aquí usaremos ese conocimiento para añadir una columna al dataframe pandas con un valor por defecto.

Ejemplo: – En este ejemplo, he creado una nueva columna País en el dataframe del autolavado y le he asignado un valor por defecto como ‘Estados Unidos’.

carwash_df['Country'] = 'United States'

Todas las filas se llenarán automáticamente con los mismos Estados Unidos en el marco de datos del lavado de coches. La siguiente imagen muestra el resultado de cómo añadir una columna al marco de datos.

Añadir una columna al dataframe pandas con un valor por defecto

Los valores por defecto no se limitan a las cadenas, también se puede establecer un valor entero por defecto. En el siguiente ejemplo, he añadido columnas al dataframe pandas con latitudes y longitudes con valores por defecto.

Te puede interesar:  Columna de borrado de pandas

Tenga en cuenta que he demostrado la adición de varias columnas en el marco de datos con el valor por defecto con el tipo de datos entero.

carwash_df[['Latitude', 'Longitude']] = ['40.194082', '-83.097631']

Este ejemplo no es realista ya que todas las sucursales de la empresa Carwash están en diferentes lugares de Estados Unidos y del extranjero. Pero es apropiado para explicar cómo añadir una columna en el dataframe de pandas con un valor por defecto.

Añadir una columna al dataframe pandas con un valor por defecto

Con esto, he explicado cómo añadir una columna al dataframe pandas con un valor por defecto.

Añadir una columna al dataframe pandas de la lista

Pandas es la biblioteca de análisis de datos que proporciona una amplia variedad de acciones. En esta sección, le mostraremos cómo añadir una columna al dataframe pandas desde la lista.

Una lista en python es una colección de elementos, pueden ser datos homogéneos o heterogéneos del mismo o diferentes tipos de datos en python pandas.

La mayoría de las respuestas en internet relacionadas con añadir una columna al dataframe pandas desde la lista, han creado una lista de valores y luego han pasado esa lista con el nuevo nombre de la columna como se muestra a continuación.

# list of values
USA_states_list = ['Alabama', 'Alaska', 'Arizona', 'Arkansas','Connecticut', 'Colorado']

# create new column with the name states
df['States'] = USA_states_list

De esta manera, se añade una nueva columna – Estados con los valores – Alabama, Alaska, Arizona, Arkansas, Connecticut y Colorado. Esto puede parecer correcto pero no justifica el requisito.

Mi comprensión de la declaración – Añadir una columna a pandas dataframe de la lista dice que tengo que crear múltiples columnas de la lista dada de nombres de columnas.

Ejemplo: – Supongamos que tengo una lista de nombres de columnas como se indica a continuación y utilizando que tengo que crear un marco de datos en pandas python

# List of column names
col_list = ['Company', 'State', 'Country', 'Zip code' ]

Pondré la lista de nombres de columnas en el bucle y luego añadiré una columna al dataframe en python pandas.

# create empty dataframe
company_loc = pd.DataFrame({})

# list of columns
col_list = ['Company', 'State', 'Country', 'Zip code' ]

# add columns from list
for i in col_list:
    company_loc[i]=None

# Result
company_loc

Añadir una columna al dataframe pandas desde la lista

Hay varias formas eficientes de añadir múltiples columnas al dataframe pandas como usar assign(), insert(), etc., pero como estoy usando una lista, esta es la forma de hacerlo.

Añadir una columna al dataframe pandas con un índice

El índice en pandas describe la posición de una fila o columna. Por defecto, comienza con 0 y llega hasta la última columna o fila. En pandas, eje =1 se refiere a las columnas y eje=0 es para las filas.

En esta sección, he explicado cómo añadir una columna al dataframe pandas con un índice. Para ello hay dos funciones incorporadas con las que podemos hacerlo.

• Insert() method
• Reindex() method

Añadir una columna al dataframe pandas con un índice utilizando el método insert()

Los pandas de Python proporcionan un método insert() que se utiliza para añadir una columna a la posición específica en el marco de datos. Este método se utiliza sobre todo al crear una nueva columna en el marco de datos.

Sintaxis: – A continuación se muestra la sintaxis para utilizar el método insert() en python pandas.

dataframe.insert(
    loc: integer value,
    column: col name,
    value: value,
    allow_duplicates: False/True,
)

Descripción del parámetro:

• loc: Lugar específico donde se quiere añadir una nueva columna, acepta valores enteros.
• column: Nombre la nueva columna aquí
• value: Proporciona el valor de la columna, el valor puede ser un escalador o un array.
• allow_duplicate: Se pueden crear columnas con el mismo nombre si este parámetro se establece como True.

Ejemplo

He añadido una nueva columna Código de rama y la he colocado en el índice 2 del marco de datos. Para los valores, he creado un bucle que seguirá insertando los valores incrementados en cada columna.

En caso de no estar seguro del número de filas en el dataframe, lo he comprobado utilizando el atributo shape en python pandas.

# insert new column at index 2
carwash_df.insert(
    loc=2,
    column='Branch Code',
    value=[i for i in range(1000, 2000)]
)

# display result
carwash_df.head(3)

En la siguiente imagen, se ha añadido una nueva columna – Código de sucursal – al marco de datos en el índice 2. Por defecto, las nuevas columnas se añaden al final de las columnas existentes.

Añadir una columna al dataframe pandas con un índice utilizando el método reindex()

Los pandas de Python proporcionan el método reindex() para que los índices existentes puedan ser reposicionados en el dataframe de pandas. En la sección anterior, he creado una nueva columna – Branch Code. Aquí, voy a cambiar su posición junto a la Dirección de la Sucursal, es decir, index=7.

Sintaxis: – A continuación se muestra la sintaxis para implementar el método reindex() en pandas python. La sintaxis tiene más parámetros pero he mostrado sólo los necesarios para esta tarea.

dataframe.reindex(columns=None)

Descripción del parámetro: –

• Columns = Pasa la lista de columnas con la posición modificada.

Ejemplo

En este ejemplo, voy a reposicionar el valor de la columna Código de sucursal del índice 2 al índice 7 para que aparezca junto a la dirección de la sucursal en el dataframe de pandas.

Añadir una columna al dataframe pandas ignorar el índice

Al preparar un marco de datos para una tarea, tengo que concatenar datos de varios marcos de datos. Debido a esto, el valor del índice aparece desigual como se muestra en la siguiente imagen.

Índice desigual en el dataframe de pandas

Para resolver este problema, he puesto el parámetro ignore_index a True en el dataframe de pandas. Este parámetro está disponible con varios métodos como concat, append, assign, etc.

Aparte de eso, al usar el método assign() en python pandas los índices son ignorados por lo que esta es otra gran opción para añadir una columna al dataframe pandas ignorar el índice.

Ejemplo 1: En el siguiente ejemplo, tengo dos dataframes y cuando se combinan juntos los índices son desiguales, así que para arreglar eso he establecido el valor del parámetro ignore_index como True en python pandas.

# sample dataframes
df1 = pd.DataFrame({
    'First_Name': ['Jarret', 'Rennie', 'Curtice'],
    'Last_Name': ['Nicoli', 'Scrigmour', 'Champ'], 
    'Phone': [9528557099, 3536026551, 9844245106],
    'Country': 'USA'
})

df2 = pd.DataFrame({
    'First_Name': ['Tabatha', 'Etienne', 'Kim'],
    'Last_Name': ['Pennock', 'Kohtler', 'Culter'], 
    'Phone': [8391082413, 9905355612, 1606864298],
    'Country': 'United Kingdom'
})

He mostrado usando concat De manera similar, se puede hacer con otras funciones también.

pd.concat([df1, df2], ignore_index=True)

En la siguiente salida, el índice se organiza en una secuencia adecuada después de usar el parámetro ignore index en python pandas.

Añadir una columna al dataframe python pandas ignorar el índice

Ejemplo 1: Aquí hay otro ejemplo usando el método assign() para añadir una columna al dataframe pandas ignorar el índice.

#data
first_name = pd.Series(['Tabatha', 'Etienne', 'Kim', 'Bidget', 'Hannie', 'Esme'])
last_name = pd.Series(['Pennock', 'Kohtler', 'Culter', 'Stivens', 'Treslove', 'Eastbrook'])
country = pd.Series(['USA', 'USA', 'USA', 'USA', 'USA','USA'])

# add a column with assign()
df.assign(
    First_Name=first_name.values,
    Last_Name=last_name.values,
    Country=country.values
) 

El método assign() ha sobrescrito la información anterior y ha añadido una nueva columna con los datos mencionados a continuación.

Añadir una columna al dataframe e ignorar el índice

De esta manera, he explicado cómo añadir una columna al dataframe e ignorar el índice en python pandas.

Añadir una columna al dataframe pandas basado en la condición

Si te preguntas cómo añadir una columna al dataframe pandas basado en la condición entonces lee todo el blog porque he cubierto todos los puntos relevantes aquí.

La adición de una columna a pandas dataframe basado en la condición tiene dos significados aquí:-

• Añadir una columna basada en una condición.
• Añadir una columna y rellenar las filas basándose en la condición.

Añadir una columna basada en una condición

Aquí mostraré cómo crear una columna en un marco de datos si califica para alguna condición. Puede haber n número de condiciones dependiendo de los requerimientos del usuario, algunas de ellas son: –

• Añadir una columna – Nombre completo si el marco de datos tiene columnas de nombre y apellido
• Añadir una columna para calcular la media si el tipo de datos de más de 3 columnas es int.

Podría haber muchos más escenarios pero usaré los primeros en mi ejemplo.

Ejemplo 1: la función comprobará si hay columnas de nombres y apellidos presentes en el marco de datos. Si es así, se creará una nueva columna fullname en el dataframe.

Marco de datos de Pandas en Python

# pointer is increamented by 1 if condition is True
pointer = 0

if 'First_Name' in df.columns:
    pointer +=1

if 'Last_Name' in df.columns:
    pointer +=1


# if the value of pointer is 2 then full name column will be added
if pointer == 2:
    df['FullName'] = df.First_Name +' '+ df.Last_Name

En la siguiente salida, la columna de nombre completo se añade al dataframe de pandas. Esta nueva columna tiene el nombre y los apellidos del usuario concatenados en python pandas.

Añadir una columna basada en una condición en pandas

Añadir una columna y rellenar las filas en función de la condición

En esta sección, he explicado cómo añadir una columna y rellenar las filas basándose en una condición. Estableceré una condición y si califica entonces se añadirá una nueva columna con los valores basados en esa condición.

Esto puede sonar similar a la anterior, pero hay enfoque fue sólo en la creación de una columna aquí el enfoque es en los valores de la columna.

Ejemplo: – En este ejemplo, voy a crear un marco de datos de los cultivos y la temperatura requerida para ellos. La temperatura, además, se clasifica como Caliente, Moderada o Baja en función de la condición.

La temperatura necesaria para los cultivos

Añadir una columna al dataframe pandas desde el array numpy

Numpy es una biblioteca de python utilizada para trabajar con arrays. Los arrays creados con NumPy son más rápidos y eficientes que los creados en python. En esta sección, aprenderemos a añadir una columna al dataframe pandas desde el array NumPy.

En el siguiente conjunto de datos, vamos a añadir una nueva columna – código postal utilizando el array NumPy en python.

Añadir una columna al dataframe pandas desde el array de numpy

Hay múltiples formas de añadir una columna al dataframe pandas desde el array numpy, una de ellas se demuestra a continuación en python.

# array of data
postal_code = np.array([99950, 33601, 10004, 97290, 96898, 20108])

# add a new column
df['Postal_Code'] = postal_code 

# print dataframe
df

Añadir una columna al dataframe pandas desde el array np

En esta sección, hemos aprendido a añadir una columna al dataframe pandas desde el array numpy.

Añadir una columna de otro marco de datos pandas

Al trabajar con el dataframe de pandas, creo múltiples dataframes en el conjunto de datos. Algunos de ellos tienen un propósito, otros son la copia de un conjunto de datos para el experimento. Añadir una columna de un dataframe a otro en pandas es una actividad común.

En mi ejemplo, tengo df1 y df2 de los cuales df1 es el conjunto de datos primario y voy a añadir la columna isEscalated de df2 a df1 en pandas python.

Añadir una columna de otro marco de datos panda

# using insert
df1.insert(loc=1, column='IsEscalated', value=df2['isEscalated'])

Añadir la columna de un marco de datos a otros pandas

# using join
df1.join(df2['isEscalated'])

Añadir una columna de otro marco de datos panda

Añadir una columna al principio del marco de datos pandas

Los pandas de Python proporcionan un método insert() mediante el cual se pueden añadir columnas en un lugar específico del dataframe de pandas. He explicado la inserción en varios lugares en este blog.

En el siguiente ejemplo, he añadido una nueva columna con el nombre serial en el pandas de python. Proporcionando loc=0 se añadirá la nueva columna al principio del dataframe en python pandas.

df1.insert(loc=0, column='Serial', value=df1.index)

Añadir una columna al principio del marco de datos pandas

Añadir una columna a un DataFrame en Python Pandas

En esta sección, aprenderemos cómo añadir una columna a un marco de datos en Python Pandas.

• Mientras se trabaja con el conjunto de datos en Python Pandas la creación y eliminación de columnas es un proceso activo. Se añaden nuevas columnas con nuevos datos y se eliminan las columnas que no son necesarias.Las columnas se pueden añadir de tres maneras en un marco de datos existente.
  • dataframe.assign()
  • dataframe.insert()
  • dataframe[‘new_column’] = value
• En el método dataframe.assign() tenemos que pasar el nombre de la nueva columna y su(s) valor(es). Si sólo se proporciona un valor, se asignará a todo el conjunto de datos, si se proporciona una lista de valores, se asignará en consecuencia.
• En el método dataframe.insert(), el usuario tiene que proporcionar la ubicación o posición donde insertar la columna, el nombre de la columna, el/los valor(es) de la columna y el valor booleano para saber si se permiten los duplicados o no.
• La tercera opción se explica por sí misma, también puedes leer los comentarios en el cuaderno Jupyter para entender cada paso.
• Tenga en cuenta que si está proporcionando una lista de valores, el total de valores debe ser igual al número de filas.

Añadir una columna a un DataFrame en Python con el mismo valor

En esta sección, aprenderemos cómo añadir una columna a un dataframe en Python con el mismo valor.

• En un conjunto de datos, a veces el ingeniero tiene que establecer el mismo valor para una columna en particular. Por ejemplo, si el conjunto de datos está relacionado con las mujeres solamente, entonces la columna Género podría tener un valor femenino solamente.
• En nuestra sección anterior, hemos aprendido a añadir una columna a un marco de datos en pandas.
• Así que para proporcionar el mismo valor simplemente proporcione un valor sin una lista. De esta forma, se asignará el mismo valor a todas las filas de la columna.
• En nuestro ejemplo, hemos añadido una nueva columna con el nombre ‘Rating’ y hemos asignado 5 a todas las filas.

Añadir un nombre de columna a un DataFrame Pandas

En esta sección, aprenderemos a añadir nombres de columnas a un dataframe pandas.

• Mientras se trabaja con el conjunto de datos en Python Pandas la creación y eliminación de columnas es un proceso activo. Se añaden nuevas columnas con nuevos datos y se eliminan las columnas que no son necesarias.
• Las columnas se pueden añadir de tres maneras en un dataframe existente.
  • dataframe.assign()
  • dataframe.insert()
  • dataframe[‘new_column’] = value
• En el método dataframe.assign() tenemos que pasar el nombre de la nueva columna y su(s) valor(es). Si sólo se proporciona un valor, se asignará a todo el conjunto de datos, si se proporciona la lista de valores, se asignará en consecuencia.
• En el método dataframe.insert(), el usuario tiene que proporcionar la ubicación o posición donde insertar la columna, el nombre de la columna, el/los valor(es) de la columna y el valor booleano para saber si se permiten los duplicados o no.
• la tercera opción se explica por sí misma, también puedes leer los comentarios en el cuaderno Jupyter para entender cada paso.
• Tenga en cuenta que si está proporcionando una lista de valores, el total de valores debe ser igual al número de filas.

Añadir una columna vacía a un DataFrame en Pandas

En esta sección, aprenderemos a añadir una columna vacía a un dataframe en Python Pandas.

• Los datos vacíos también pueden ser considerados como datos perdidos o valores NaN.
• Usando la opción np.nan de Numpy podemos añadir una columna con un valor vacío.
• En nuestro ejemplo, puedes observar que hemos añadido una nueva columna con el nombre de Rating y que tiene valores perdidos o valores NaN.
• Aquí está la implementación en Jupyter Notebook.

Añadir una columna a un DataFrame de Pandas basado en una condición if-else

En esta sección, aprenderemos a añadir una columna a un dataframe de pandas basado en una condición if-else.

• La condición if-else se utiliza para crear una escalera de declaraciones.
• Mientras se trabaja con los conjuntos de datos, los ingenieros tienen que poner una condición para filtrar o limpiar los datos basados en alguna condición.
• Por ejemplo, dividir el conjunto de datos en dos partes en función del sexo.
• En nuestro ejemplo, crearemos una nueva columna con el nombre estado. Si el valor de peak_player es inferior a una cantidad determinada, se creará una nueva columna con el estado establecido en 1, de lo contrario se establecerá en 0.
• Aquí está la implementación en Jupyter Notebook.

Añadir una columna a un DataFrame desde otro DataFrame Pandas

En esta sección aprenderemos a añadir una columna a un dataframe desde otro dataframe en Python Pandas.

• Para demostrarlo hemos creado dos dataframes en nuestro ejemplo en Jupyter Notebook.
• Usando un código, df1[‘Address’] = df2[‘City’] hemos añadido una nueva columna en el primer dataframe con el nombre address y hemos puesto el nombre de la ciudad del segundo dataframe al primer dataframe.
• Aquí está la implementación en Jupyter Notebook.