将新列添加到pandas数据帧的有效方法

Question

我知道向pandas数据帧添加新列的两种方法

df_new = df.assign(new_column=default_value)

和

df[new_column] = default_value

第一个不会在内部添加列,但第二个不会.那么哪一个使用效率更高？

除了这两个之外还有比这些更有效的方法吗？

Answer 1

我认为第二个,assign如果想要好的代码巫婆链接所有功能使用 - 一行代码:

df = pd.DataFrame({'A':np.random.rand(10000)})

default_value = 10

In [114]: %timeit df_new = df.assign(new_column=default_value)
228 µs ± 4.26 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [115]: %timeit df['new_column'] = default_value
86.1 µs ± 654 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

我使用perfplot进行绘图:

import perfplot

default_value = 10

def chained(df):
    df = df.assign(new_column=default_value)
    return df

def no_chained(df):
    df['new_column'] = default_value
    return df

def make_df(n):
    df = pd.DataFrame({'A':np.random.rand(n)})
    return df

perfplot.show(
    setup=make_df,
    kernels=[chained, no_chained],
    n_range=[2**k for k in range(2, 25)],
    logx=True,
    logy=True,
    equality_check=False,
    xlabel='len(df)')