将列添加到具有恒定值的数据框

df['Name']='abc' 将添加新列并将所有行设置为该值：

In [79]:

df
Out[79]:
         Date, Open, High,  Low,  Close
0  01-01-2015,  565,  600,  400,    450
In [80]:

df['Name'] = 'abc'
df
Out[80]:
         Date, Open, High,  Low,  Close Name
0  01-01-2015,  565,  600,  400,    450  abc

---

您可以使用 insert 指定新列的位置。在这种情况下，我使用 0 将新列放在左侧。

df.insert(0, 'Name', 'abc')

  Name        Date  Open  High  Low  Close
0  abc  01-01-2015   565   600  400    450

---

总结其他人的建议，并添加第三种方式

你可以：

分配（**kwargs）：df.assign（名称='abc'）

访问新的列系列（它将被创建）并设置它： df['Name'] = 'abc'

插入（位置，列，值，allow_duplicates=False）df.insert（0，'名称'，'abc'）

其中参数 loc ( 0 <= loc <= len(columns) ) 允许您在所需的位置插入列。

'loc' 为您提供插入后列所在的索引。例如，上面的代码将列 Name 插入为第 0 列，即它将插入到第一列之前，成为新的第一列。 （索引从 0 开始）。

所有这些方法都允许您从系列中添加新列（只需将上面的“abc”默认参数替换为系列）。

---

单班轮作品

df['Name'] = 'abc'

创建一个 Name 列并将所有行设置为 abc 值

---

我想更多地关注@michele-piccolini 的部分答案。

我坚信 .assign 是这里的最佳解决方案。在现实世界中，这些操作并不是孤立的，而是在一个操作链中。如果您想支持一系列操作，您可能应该使用 .assign 方法。

这是一个在滑雪胜地使用降雪数据的示例（但同样的原则也适用于……财务数据）。

这段代码读起来就像一个步骤配方。赋值（使用 =）和 .insert 都使这变得更加困难：

raw = pd.read_csv('https://github.com/mattharrison/datasets/raw/master/data/alta-noaa-1980-2019.csv',
                  parse_dates=['DATE'])
def clean_alta(df):
    return (df
            .loc[:, ['STATION', 'NAME', 'LATITUDE', 'LONGITUDE', 'ELEVATION', 'DATE', 
                     'PRCP', 'SNOW', 'SNWD', 'TMAX', 'TMIN', 'TOBS']]
            .groupby(pd.Grouper(key='DATE', freq='W'))
            .agg({'PRCP': 'sum', 'TMAX': 'max', 'TMIN': 'min', 'SNOW': 'sum', 'SNWD': 'mean'})
            .assign(LOCATION='Alta', 
                    T_RANGE=lambda w_df: w_df.TMAX-w_df.TMIN)
    )

clean_alta(raw)

请注意行 .assign(LOCATION='Alta', ，它在其余操作的中间创建了一个具有单个值的列。

---

一条线为我完成了这项工作。

df['New Column'] = 'Constant Value'
df['New Column'] = 123

---

您可以简单地执行以下操作：

df['New Col'] = pd.Series(["abc" for x in range(len(df.index))])

---