我有以下索引的 DataFrame 与命名列和行不连续数字：
a b c d
2 0.671399 0.101208 -0.181532 0.241273
3 0.446172 -0.243316 0.051767 1.577318
5 0.614758 0.075793 -0.451460 -0.012493我想在现有数据框中添加一个新列'e' ，并且不希望更改数据框中的任何内容（即，新列的长度始终与 DataFrame 相同）。
0 -0.335485
1 -1.166658
2 -0.385571
dtype: float64我尝试了不同版本的join ， append ， merge ，但是我没有得到我想要的结果，最多只有错误。如何在上面的示例中添加列e ？
使用原始 df1 索引创建系列：
df1['e'] = Series(np.random.randn(sLength), index=df1.index) 编辑 2015
有些人报告使用此代码获取SettingWithCopyWarning 。
但是，当前的 pandas 版本 0.16.1 仍然可以完美运行。
>>> 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'] = p.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' SettingWithCopyWarning旨在通知 Dataframe 副本上可能无效的分配。它并不一定表示你做错了（它可以触发误报）但是从 0.13.0 开始它会让你知道有更多适当的方法用于同一目的。然后，如果您收到警告，请按照其建议： 尝试使用. loc [row_index，col_indexer] = value
>>> df1.loc[:,'f'] = p.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
>>>事实上，这是目前pandas docs 中描述的更有效的方法
编辑 2017
如评论和 @Alexander 所示，目前将系列的值添加为 DataFrame 的新列的最佳方法可能是使用assign ：
df1 = df1.assign(e=p.Series(np.random.randn(sLength)).values)这是添加新列的简单方法： df['e'] = e
我想在现有数据框中添加一个新列 “e”，不要更改数据框中的任何内容。 （该系列的长度始终与数据帧相同。）
我假设e中的索引值与df1中的索引值匹配。
启动名为e的新列的最简单方法，并为其分配系列e的值：
df['e'] = e.values分配（熊猫 0.16.0+）
从 Pandas 0.16.0 开始，您还可以使用assign ，它将新列分配给 DataFrame 并返回一个新对象（副本）以及除新列之外的所有原始列。
df1 = df1.assign(e=e.values)根据此示例 （还包括assign函数的源代码），您还可以包含多个列：
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
>>> df.assign(mean_a=df.a.mean(), mean_b=df.b.mean())
a b mean_a mean_b
0 1 3 1.5 3.5
1 2 4 1.5 3.5在您的示例的上下文中：
np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(10, 4), columns=['a', 'b', 'c', 'd'])
mask = df1.applymap(lambda x: x <-0.7)
df1 = df1[-mask.any(axis=1)]
sLength = len(df1['a'])
e = pd.Series(np.random.randn(sLength))
>>> df1
a b c d
0 1.764052 0.400157 0.978738 2.240893
2 -0.103219 0.410599 0.144044 1.454274
3 0.761038 0.121675 0.443863 0.333674
7 1.532779 1.469359 0.154947 0.378163
9 1.230291 1.202380 -0.387327 -0.302303
>>> e
0 -1.048553
1 -1.420018
2 -1.706270
3 1.950775
4 -0.509652
dtype: float64
df1 = df1.assign(e=e.values)
>>> df1
a b c d e
0 1.764052 0.400157 0.978738 2.240893 -1.048553
2 -0.103219 0.410599 0.144044 1.454274 -1.420018
3 0.761038 0.121675 0.443863 0.333674 -1.706270
7 1.532779 1.469359 0.154947 0.378163 1.950775
9 1.230291 1.202380 -0.387327 -0.302303 -0.509652可以在此处找到此新功能首次引入时的说明。