python pandas dataframe：当默认值是可迭代的时，使用默认值创建新列

Question

我有一个熊猫数据框，如下所示：

In  [1]: import pandas as pd
In  [2]: df = pd.DataFrame([[1,2],[3,4],[5,6]], columns=['a','b'])
In  [3]: print df
Out [3]: 
   a  b
0  1  2
1  3  4
2  5  6

现在，我想添加一个默认值作为字典的新列'c'。结果数据框应如下所示：

   a  b             c
0  1  2  {1: 2, 3: 4}
1  3  4  {1: 2, 3: 4}
2  5  6  {1: 2, 3: 4}

我尝试了以下操作：

df.at[:, 'c'] = {1: 2, 3: 4}
ValueError: Length of values does not match length of index

和

df['c'] = {1: 2, 3: 4}
ValueError: Must have equal len keys and value when setting with an iterable

这个对我有用

df['c'] = df.apply(lambda x: {1:2, 3:4}, axis=1)

但是看起来很肮脏。 有没有更清洁的方法可以做到这一点？

Answer 1

DF中有三行，而字典中只有两个元素，请执行以下操作：

c = {0:1,1:1,2:2}
df['c'] = c

输出：

 a  b  c
0  1  2  0
1  3  4  1
2  5  6  2

要在数据框中重复使用相同的字典，您需要创建此类字典的列表

c = {1:2,3:4}
c = [c]*3
df['c'] = c

输出

 a  b             c
0  1  2  {1: 2, 3: 4}
1  3  4  {1: 2, 3: 4}
2  5  6  {1: 2, 3: 4}

Answer 2

有可能但不建议在DataFrame列中存储字典，因为不能使用所有矢量化的熊猫函数：

df['c'] = [{1: 2, 3: 4} for x in np.arange(len(df))]
print (df)
   a  b             c
0  1  2  {1: 2, 3: 4}
1  3  4  {1: 2, 3: 4}
2  5  6  {1: 2, 3: 4}