与此问题类似How to add an empty column to a dataframe?，我很想知道将一列空列表添加到DataFrame的最佳方法。
我要做的是基本上初始化一个列，当我遍历行来处理其中的一些时，然后在这个新列中添加一个填充列表来替换初始值。
例如，如果以下是我的初始DataFrame：
df = pd.DataFrame(d = {'a': [1,2,3], 'b': [5,6,7]}) # Sample DataFrame
>>> df
a b
0 1 5
1 2 6
2 3 7
然后我想最终得到类似的东西，其中每一行都已单独处理（显示的样本结果）：
>>> df
a b c
0 1 5 [5, 6]
1 2 6 [9, 0]
2 3 7 [1, 2, 3]
当然，如果我像其他任何常量一样尝试初始化df['e'] = []，它会认为我正在尝试添加长度为0的项目序列，因此会失败。
如果我尝试将新列初始化为None或NaN，则在尝试将列表分配到某个位置时会遇到以下问题。
df['d'] = None
>>> df
a b d
0 1 5 None
1 2 6 None
2 3 7 None
问题1（如果我可以使用这种方法工作，那将是完美的！也许是我遗漏的一些微不足道的事情）：
>>> df.loc[0,'d'] = [1,3]
...
ValueError: Must have equal len keys and value when setting with an iterable
问题2（这个有效，但不是没有警告，因为它不能保证按预期工作）：
>>> df['d'][0] = [1,3]
C:\Python27\Scripts\ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
因此我尝试使用空列表进行初始化并根据需要进行扩展。我可以想到几种方法来初始化这种方式，但是有更直接的方法吗？
方法1：
df['empty_lists1'] = [list() for x in range(len(df.index))]
>>> df
a b empty_lists1
0 1 5 []
1 2 6 []
2 3 7 []
方法2：
df['empty_lists2'] = df.apply(lambda x: [], axis=1)
>>> df
a b empty_lists1 empty_lists2
0 1 5 [] []
1 2 6 [] []
2 3 7 [] []
问题摘要：
是否可以在问题1中解决任何可能允许将列表分配到None / NaN初始化字段的次要语法更改？
如果没有，那么用空列表初始化新列的最佳方法是什么？
答案 0 :(得分：19)
另一种方法是使用np.empty：
df['empty_list'] = np.empty((len(df), 0)).tolist()
在尝试查找.index的{{1}}时，您也可以在“方法1”中取消len。
df事实证明，df['empty_list'] = [[] for _ in range(len(df))]
更快......
np.empty答案 1 :(得分：5)
我在接受的答案中计算了所有三种方法，最快的一种方法在我的机器上花了216毫秒。但是，这只花了28毫秒：
df['empty4'] = [[]] * len(df)
注意：同样，df['e5'] = [set()] * len(df)也需要28毫秒。
答案 2 :(得分：0)
map和apply 强制性免责声明：尽可能避免在pandas列中使用列表，因为列表列是对象，并且固有地难以向量化，所以列表列的使用速度较慢。
通过这种方式，下面是引入一列空列表的规范方法：
# List comprehension
df['c'] = [[] for _ in range(df.shape[0])]
df
a b c
0 1 5 []
1 2 6 []
2 3 7 []
还有涉及apply和map的以下速记：
from collections import defaultdict
# map any column with defaultdict
df['c'] = df.iloc[:,0].map(defaultdict(list))
# same as,
df['c'] = df.iloc[:,0].map(lambda _: [])
# apply with defaultdict
df['c'] = df.apply(defaultdict(list), axis=1)
# same as,
df['c'] = df.apply(lambda _: [], axis=1)
df
a b c
0 1 5 []
1 2 6 []
2 3 7 []
有些人认为，增加一个空列表是正确的方法，但不幸的是，这是错误的，通常会导致难以调试的问题。这是MVP：
# WRONG
df['c'] = [[]] * len(df)
df.at[0, 'c'].append('abc')
df.at[1, 'c'].append('def')
df
a b c
0 1 5 [abc, def]
1 2 6 [abc, def]
2 3 7 [abc, def]
# RIGHT
df['c'] = [[] for _ in range(df.shape[0])]
df.at[0, 'c'].append('abc')
df.at[1, 'c'].append('def')
df
a b c
0 1 5 [abc]
1 2 6 [def]
2 3 7 []
在第一种情况下，将创建一个空列表，并将其 reference 复制到所有行中，因此您会看到对所有行的更新。在后一种情况下，每行都分配有自己的空列表，因此不必担心。