### 如何将 NumPy 数组插入到 Pandas DataFrame 中作为新列 为了实现将 NumPy 数组插入到 Pandas DataFrame 中作为新列的目标，可以通过以下几种方式进行操作。这些方法均能有效完成任务，并保持代码简洁高效。 #### 方法一：直接赋值给新列名 最简单的方式是直接将 NumPy 数组赋值给 DataFrame 的新列名称。这种方式适用于 NumPy 数组长度与现有 DataFrame 行数一致的情况[^1]。 ```python import pandas as pd import numpy as np # 创建示例DataFrame df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) # 定义一个NumPy数组 new_column_data = np.array([7, 8, 9]) # 将NumPy数组插入为新列'C' df['C'] = new_column_data print(df) ``` 运行结果如下所示： ``` A B C 0 1 4 7 1 2 5 8 2 3 6 9 ``` #### 方法二：使用 `insert` 函数 当需要控制新列的具体位置时，可以采用 `DataFrame.insert(loc, column, value)` 方法。其中 `loc` 参数指定了新列的位置索引，`column` 是新列的名字，而 `value` 即为待插入的数据（此处为 NumPy 数组）[^5]。 ```python # 插入新列'D'至第1位 df.insert(1, 'D', new_column_data) print(df) ``` 此时输出将是： ``` A D B C 0 1 7 4 7 1 2 8 5 8 2 3 9 6 9 ``` #### 方法三：通过 `concat` 合并 对于更复杂的场景，比如需要动态调整列顺序或者合并多个数据源的情况下，可借助于 `pandas.concat()` 来拼接原 DataFrame 和由 NumPy 数组构建的新列形成的新 DataFrame[^1]。 ```python # 构建一个新的DataFrame仅含目标NumPy数组 new_col_df = pd.DataFrame(new_column_data, columns=['E']) # 使用concat沿轴向水平方向连接两个DataFrames df_concatenated = pd.concat([df, new_col_df], axis=1) print(df_concatenated) ``` 最终得到的结果形如： ``` A D B C E 0 1 7 4 7 7 1 2 8 5 8 8 2 3 9 6 9 9 ``` 注意：无论采取何种方式，都需确保所插入的 NumPy 数组维度匹配当前 DataFrame 的行数；否则将会引发 ValueError 错误提示[^4]。 ---