在數據處理和分析中，經常需要將新的數據列加入到現有的DataFrame中。在Pandas中，這通常涉及到兩種常見的數據類型：Series和列表（list）。本教程將詳細介紹如何將這兩種類型的數據正確地分配給DataFrame的新列，特別是關注列表長度的匹配問題以及Series索引不對齊時可能出現的情況。
將列表分配給DataFrame的新列
向DataFrame添加一個列表作為新列是一個直接的操作，但需要確保列表的長度與DataFrame的行數完全相等。如果長度不匹配，Pandas會拋出一個錯誤，因為它無法決定如何填充多出來或缺少的行。
示例：
import pandas as pd
# 創建一個DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 創建一個正確長度的列表
correct_list = [7, 8, 9]
# 分配列表到新列
df['C'] = correct_list
print(df)輸出結果:
如果列表長度與DataFrame的行數不一致，例如：
# 創建一個長度不匹配的列表
incorrect_list = [10, 11] # 只有兩個元素
# 嘗試分配到新列
df['D'] = incorrect_list # 這將引發一個錯誤這將引發一個ValueError，因為列表的長度不等於DataFrame的rows數。
ValueError: Length of values (2) does not match length of index (3)
將Series分配給DataFrame的新列
當分配一個Series到DataFrame的新列時，如果Series的索引與DataFrame的索引不對齊，Pandas會嘗試根據索引進行對齊操作。不匹配的索引會在新column中產生NaN值。
示例：
# 創建一個Series，索引不對齊
s = pd.Series([10, 11, 12], index=[1, 2, 4], name='D')
# 分配Series到新列
df['D'] = s
print(df)輸出結果：
可以看到，由於原df有的索引0在Series中不存在，
對應的值在新column中顯示為NaN。
總結
在將列表或Series分配給DataFrame的新列時，重要的是要確保數據的對齊：
列表必須具有與DataFrame rows數相同的長度。
Series的索引應與DataFrame的索引對齊，否則將在不匹配的索引處生成NaN。
正確處理這些數據類型的添加不僅可以避免運行時錯誤，
還能確保數據的準確性和完整性。
推薦hahow線上學習python: https://igrape.net/30afN