pandas.DataFrame.assign

DataFrame.assign(**kwargs) [source]

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

Параметры:	kwargs : пары «ключ-значение» ключами являются 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 вызываемые (например, Series, скалярное значение или массив), они просто присваиваются.
Возвращает:	df : DataFrame Новый DataFrame со всеми существующими столбцами и новыми столбцами.

Примечания

Для Python 3.6 и выше столбцы вставляются в порядке **kwargs. Для Python 3.5 и более ранних версий, поскольку **kwargs неупорядочены, столбцы вставляются в алфавитном порядке в конце DataFrame. Одновременное присвоение нескольких столбцов в одном assign возможно, но вы не можете ссылаться на другие столбцы, созданные в том же вызове assign.

Примеры

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

Где значение является вызываемым объектом, вычисленным для 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