我对pandas还不太熟悉，正在尝试找出如何同时向pandas添加多个列。这里的任何帮助都是感激的。理想情况下，我想在一个步骤，而不是多个重复的步骤这样做
将熊猫作为pd导入
df={'col_1'：[0,1,2,3]，
“col_2”：[4,5,6,7]}
df=pd.DataFrame（df）
df['column_new_1'，'column_new_2'，'column_new_3']=[np.nan，'dogs'，3]#认为这在这里会起作用。。。
我希望你的语法也能起作用。出现此问题的原因是，当您使用列列表语法（df[[new1，new2]]=…）创建新列时，pandas要求右侧是数据帧（请注意，数据帧的列是否与您创建的列具有相同的名称并不重要）
您的语法可以很好地将标量值分配给现有的列，pandas也很乐意使用单列语法（df[new1]=…）将标量值分配给新列。因此，解决方案是要么将其转换为多个单列分配，要么为右侧创建合适的数据帧
以下是几种将起作用的方法：
将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame({
“col_1”：[0,1,2,3]，
“col_2”：[4,5,6,7]
})
然后是以下其中一项：
1） 三个作业合一，使用列表解包：
df['column_new_1']，df['column_new_2']，df['column_new_3']=[np.nan，'dogs'，3]
2） DataFrame方便地扩展一行以匹配索引，因此您可以执行以下操作：
df['column\u new\u 1'，'column\u new\u 2'，'column\u new\u 3']=pd.DataFrame（[[np.nan'，dogs'，3]]，index=df.index）
3） 使用新列创建临时数据框，然后稍后与原始数据框合并：
df=pd.concat(
[
df，
数据帧(
[[np.nan，'狗'，3]]，
index=df.index，
columns=['column_new_1'、'column_new_2'、'column_new_3']
)
]，轴=1
)
4） 与前面的类似，但使用join而不是concat（可能效率较低）：
df=df.join（pd.DataFrame(
[[np.nan，’狗’，3]]，
index=df.index，
columns=[‘column_new_1’、’column_new_2’、’column_new_3’]
))
5） 与前两种方法相比，使用dict是创建新数据帧的更“自然”的方法，但新列将按字母顺序排序（至少在Python 3.6或3.7之前）：
df=df.join（pd.DataFrame(
{
“column_new_1”：np.nan，
“新专栏”:”狗”,，
“column_new_3”：3
}，index=df.index
))
6） 对多个列参数使用.assign（）
我非常喜欢@zero答案中的这个变体，但与前一个一样，新列总是按字母顺序排序，至少在早期版本的Python中是这样的：
df=df.assign（新列1=np.nan，新列2=dogs，新列3=3）
7） 这很有趣（基于https://stackoverflow.com/a/44951376/3830997)，但我不知道什么时候值得这么麻烦：
new\u cols=['column\u new\u 1'，'column\u new\u 2'，'column\u new\u 3']
new_vals=[np.nan，'狗'，3]
df=df.reindex（columns=df.columns.tolist（）+新列）#添加空列
df[new_cols]=新的_vals#现有cols的多列赋值工作
8） 最后，很难击败三项不同的任务：
df['column\u new\u 1']=np.nan
df['column_new_2']='dogs'
df['column_new_3']=3
注意：这些选项中的许多已在其他答案中介绍：向DataFrame添加多个列并将其设置为等于现有列，是否可以向pandas DataFrame一次添加多个列？向pandas DataFrame添加多个空列