相信有很多人收这个问题的困扰，如果你想一次性在pandas.DataFrame里添加几列，或者在指定的位置添加一列，都会很苦恼找不到简便的方法；可以用到的函数有df.reindex, pd.concat

我们来看一个例子：

df 是一个DataFrame， 如果你只想在df的后面添加一列，可以用下面的方法:

但是如果你想一次性添加两列级以上，你可能会用通样的办法

df[['D','E']] == None ,结果报错如下：

所以接下来我想介绍两种认为比较简便的方法

（1）第一个方法是利用pd.concat 在DataFrame后面添加两列，这种方法的缺点是不能指定位置

pd.concat([df, pd.DataFrame(columns=list('DE'))])

（2）第二种方法是利用 reindex来重排和增加列名df.reindex(columns=list('ABCDE'))

这种方法，你可以改变各列的相对位置，且保留原始列的数值，比如df.reindex(columns=list('BCADE'))

reindex 还有 fill_value 选项，可以填充NaN，例子如下df.reindex(columns=list('ABCDE'), fill_value=0)

　　当然这里举的例子比较简单，在实际运用中，列名可能都比较长，都敲出来肯定不方便，所以我们需要更强大的方法，运用到 list.insert的方法list.insert(index, obj)

参数
index -- 对象obj需要插入的索引位置。

obj -- 要插入列表中的对象。
先获取原列名集合, 赋值给新变量（这个很重要，具体原因我也不知道为啥）， 然后 insert

col_name = df.columns.tolist()

col_name.insert(1,'D')

df.reindex(columns=col_name)

Out[92]:

A D B C

01 NaNNoneNone

13 NaNNoneNone

 或者不用数字索引，直接在某列前面或后面插入，利用 list.index的方法

col_name = df.columns.tolist()

col_name.insert(col_name.index('B'),'D')# 在 B 列前面插入

df.reindex(columns=col_name)

Out[93]:

A D B C

01 NaNNoneNone

13 NaNNoneNone

col_name = df.columns.tolist()

col_name.insert(col_name.index('B')+1,'D') # 在 B 列后面插入

df.reindex(columns=col_name)

Out[96]:

A B D C

01None NaNNone

13None NaNNone

转自：http://www.th7.cn/Program/Python/201708/1216328.shtml