pandas.DataFrame.assign

DataFrame.assign(**kwargs) [source]

Присваивает новые столбцы DataFrame, возвращая новый объект (копию) со всеми исходными столбцами плюс новые.

Новая в версии 0.16.0.

Параметры:	kwargs : пары «ключ—значение» ключи — имена столбцов. Если значения являются вызываемыми объектами, они вычисляются для DataFrame и присваиваются новым столбцам. Вызываемый объект не должен изменять входной DataFrame (хотя pandas этого не проверяет). Если значения не являются вызываемыми объектами (например, Series, скаляр или массив), они просто присваиваются.
Возвращает:	df : DataFrame Новый DataFrame со всеми существующими столбцами плюс новые.

Примечания

Поскольку kwargs — словарь, порядок ваших аргументов может не сохраняться. Чтобы сделать порядок предсказуемым, столбцы вставляются в алфавитном порядке в конец вашего DataFrame. Присвоение нескольких столбцов в одном assign возможно, но вы не можете ссылаться на другие столбцы, созданные в том же самом вызове assign.

Примеры

>>> df = DataFrame({'A': range(1, 11), 'B': np.random.randn(10)})

Где значение является вызываемым объектом, оцениваемым на df:

>>> df.assign(ln_A = lambda x: np.log(x.A))
    A         B      ln_A
0   1  0.426905  0.000000
1   2 -0.780949  0.693147
2   3 -0.418711  1.098612
3   4 -0.269708  1.386294
4   5 -0.274002  1.609438
5   6 -0.500792  1.791759
6   7  1.649697  1.945910
7   8 -1.495604  2.079442
8   9  0.549296  2.197225
9  10 -0.758542  2.302585

Где значение уже существует и вставляется:

>>> newcol = np.log(df['A'])
>>> df.assign(ln_A=newcol)
    A         B      ln_A
0   1  0.426905  0.000000
1   2 -0.780949  0.693147
2   3 -0.418711  1.098612
3   4 -0.269708  1.386294
4   5 -0.274002  1.609438
5   6 -0.500792  1.791759
6   7  1.649697  1.945910
7   8 -1.495604  2.079442
8   9  0.549296  2.197225
9  10 -0.758542  2.302585