Python 熊猫df.x27；添加新列后无法工作

我有一个包含118列的熊猫数据框，我想添加一个新列“x119”。 我尝试了各种各样的方法，似乎都是这样：

df = df.assign(x119=F))

或：

这些方法似乎将列添加到

df

dataframe中，但当我使用：

df.describe()

我仍然有118列。有人遇到过这种情况吗？调用

df['x119']

时，该列似乎存在，但在

df.descripe（）

的说明中未显示

---

编辑：F的值是分类的，数值为1,2,3。当我使用

df2=df

然后使用

df2.decribe（）

时，df中不存在列

'x119'

，它工作正常，我可以看到所有列。

我认为问题应该是

x119

列以前在df中，所以只覆盖值

您可以通过以下方式进行检查：

print (df['x119'])

添加新列最简单的方法是：

print (len(df.columns))
df['x119'] = F
print (len(df.columns))

案例1：所有数据类型都是数字：

df.descripe（）

在

df.assign（..）

之后工作正常。对于数字数据类型，下面是一个可复制的示例：

>>> df = pd.DataFrame([[1,2],[3,4]], columns=list('AB'))
>>> df
   A  B
0  1  2
1  3  4
>>> import numpy as np 
>>> df["C"] = np.nan 
>>> df
   A  B   C
0  1  2 NaN
1  3  4 NaN
>>> df.describe()
              A         B    C
count  2.000000  2.000000  0.0
mean   2.000000  3.000000  NaN
std    1.414214  1.414214  NaN
min    1.000000  2.000000  NaN
25%    1.500000  2.500000  NaN
50%    2.000000  3.000000  NaN
75%    2.500000  3.500000  NaN
max    3.000000  4.000000  NaN
>>> df.assign(D=5)
   A  B   C  D
0  1  2 NaN  5
1  3  4 NaN  5
>>> df.describe()
              A         B    C
count  2.000000  2.000000  0.0
mean   2.000000  3.000000  NaN
std    1.414214  1.414214  NaN
min    1.000000  2.000000  NaN
25%    1.500000  2.500000  NaN
50%    2.000000  3.000000  NaN
75%    2.500000  3.500000  NaN
max    3.000000  4.000000  NaN
>>> df  = df.assign(D=5)
>>> df.describe()
              A         B    C    D
count  2.000000  2.000000  0.0  2.0
mean   2.000000  3.000000  NaN  5.0
std    1.414214  1.414214  NaN  0.0
min    1.000000  2.000000  NaN  5.0
25%    1.500000  2.500000  NaN  5.0
50%    2.000000  3.000000  NaN  5.0
75%    2.500000  3.500000  NaN  5.0
max    3.000000  4.000000  NaN  5.0
>>> 

• 确保将df.assign的结果分配回df，就像df=df.assign（…）

---

案例2：混合数字和对象数据类型： 对于混合对象和数字数据类型，需要执行文档中的Notes部分中提到的

df.description（include='all'）

：

对于通过数据帧提供的混合数据类型，默认值为 仅返回数字列的分析。如果include='all'是 作为选项提供，结果将包括属性的并集 每种类型的

因此，您需要进行如下描述：

>>> df.describe(include='all')
               A         B    C    D    E
count   2.000000  2.000000  0.0  2.0    2
unique       NaN       NaN  NaN  NaN    2
top          NaN       NaN  NaN  NaN    2
freq         NaN       NaN  NaN  NaN    1
mean    2.000000  3.000000  NaN  5.0  NaN
std     1.414214  1.414214  NaN  0.0  NaN
min     1.000000  2.000000  NaN  5.0  NaN
25%     1.500000  2.500000  NaN  5.0  NaN
50%     2.000000  3.000000  NaN  5.0  NaN
75%     2.500000  3.500000  NaN  5.0  NaN
max     3.000000  4.000000  NaN  5.0  NaN
>>> 

---

它是带有数字标签的分类数据：1、2、3实际上它不是空的。如果我使用：df2=df，然后执行df2.decribe（），效果很好，谢谢！解决方案是include='all'，其中也包括分类数字数据@是的，就是这样：）谢谢你的回答，刚刚编辑了我的帖子来澄清。好的，如果检查专栏的长度，它们总是一样的吗？完全按照你的建议尝试。分别得117分和118分。这太奇怪了：/And

print（len（df.columns））

前后是一样的吗？我没有对分类数据使用include='all'。谢谢你抽出时间！

>>> df["E"] = ['1','2']
>>> df
   A  B   C  D  E
0  1  2 NaN  5  1
1  3  4 NaN  5  2
>>> df.describe()
              A         B    C    D
count  2.000000  2.000000  0.0  2.0
mean   2.000000  3.000000  NaN  5.0
std    1.414214  1.414214  NaN  0.0
min    1.000000  2.000000  NaN  5.0
25%    1.500000  2.500000  NaN  5.0
50%    2.000000  3.000000  NaN  5.0
75%    2.500000  3.500000  NaN  5.0
max    3.000000  4.000000  NaN  5.0
>>> df
   A  B   C  D  E
0  1  2 NaN  5  1
1  3  4 NaN  5  2
>>> 

>>> df.describe(include='all')
               A         B    C    D    E
count   2.000000  2.000000  0.0  2.0    2
unique       NaN       NaN  NaN  NaN    2
top          NaN       NaN  NaN  NaN    2
freq         NaN       NaN  NaN  NaN    1
mean    2.000000  3.000000  NaN  5.0  NaN
std     1.414214  1.414214  NaN  0.0  NaN
min     1.000000  2.000000  NaN  5.0  NaN
25%     1.500000  2.500000  NaN  5.0  NaN
50%     2.000000  3.000000  NaN  5.0  NaN
75%     2.500000  3.500000  NaN  5.0  NaN
max     3.000000  4.000000  NaN  5.0  NaN
>>>