解决Pandas DataFrame新增列在info()中不显示的问题

本教程旨在解决pandas dataframe中新增列（如'total'列或索引转换为列后）在`df.info()`输出中不显示的问题。核心原因通常是代码执行顺序不当，即在列创建前调用了`info()`，或未将索引显式转换为列。文章将详细阐述这些问题，并提供基于`reset_index()`和正确执行顺序的解决方案，确保所有期望的列都能在`df.info()`中正确呈现，从而便于后续数据分析与可视化。

Pandas DataFrame新增列在info()中不显示的深度解析与解决方案

在使用Pandas进行数据分析时，我们经常需要向DataFrame中添加新的列，例如计算总和列。然而，有时即使新列在DataFrame的显示输出中清晰可见，但在调用df.info()时，这些新列却未能出现在输出的列列表中。同样，DataFrame的索引列（如示例中的'A', 'B', 'C', 'D'）在默认情况下也不会被df.info()识别为数据列。本文将深入探讨这些现象背后的原因，并提供切实可行的解决方案。

问题描述

假设我们有一个DataFrame df，包含 'H1', 'H2', 'H3' 三列。我们通过以下代码添加了一个 'Total' 列：

import pandas as pd
import numpy as np

# 示例数据
data = {
    'H1': [1.643910e+10, 3.876800e+09, 2.126470e+10, 3.911600e+09],
    'H2': [5.403600e+09, 1.056970e+10, 1.077500e+09, 3.309300e+09],
    'H3': [1.090100e+09, 6.152400e+09, 2.858000e+08, 8.170000e+07]
}
index_labels = ['A', 'B', 'C', 'D']
df = pd.DataFrame(data, index=index_labels)

# 添加 'Total' 列
df['Total'] = df[list(df.columns)].sum(axis=1)

print("DataFrame显示：")
print(df)

输出的DataFrame将正确显示 'Total' 列：

DataFrame显示：
             H1            H2          H3         Total
A  1.643910e+10  5.403600e+09  1.090100e+09  2.293280e+10
B  3.876800e+09  1.056970e+10  6.152400e+09  2.059890e+10
C  2.126470e+10  1.077500e+09  2.858000e+08  2.262800e+10
D  3.911600e+09  3.309300e+09  8.170000e+07  7.302600e+09

然而，当我们执行 df.info() 时，却可能得到以下结果，其中 'Total' 列和索引列并未显示：

print("\ndf.info()输出：")
df.info()

df.info()输出：

Index: 4 entries, A to D
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   H1      4 non-null      float64
 1   H2      4 non-null      float64
 2   H3      4 non-null      float64
dtypes: float64(3)
memory usage: 256.0+ bytes

核心原因与解决方案

这种现象主要由以下两个原因造成：

1. 代码执行顺序问题

df.info() 方法会打印出DataFrame在调用那一刻的结构信息。如果我们在创建 'Total' 列的代码执行之前就调用了 df.info()，那么它自然不会包含尚未创建的列。即使之后再创建了列，df.info() 的输出也不会自动更新。

解决方案：

确保在所有列创建和修改操作完成后再调用 df.info()。在交互式开发环境（如Jupyter Notebook或IPython）中，如果遇到此问题，最直接的解决办法是：

重启内核并重新运行所有代码单元。 这可以确保所有代码按照预期顺序执行，且DataFrame的状态是最新的。

正确执行顺序示例：

import pandas as pd
import numpy as np

# 示例数据
data = {
    'H1': [1.643910e+10, 3.876800e+09, 2.126470e+10, 3.911600e+09],
    'H2': [5.403600e+09, 1.056970e+10, 1.077500e+09, 3.309300e+09],
    'H3': [1.090100e+09, 6.152400e+09, 2.858000e+08, 8.170000e+07]
}
index_labels = ['A', 'B', 'C', 'D']
df = pd.DataFrame(data, index=index_labels)

# 确保在调用 info() 之前创建 'Total' 列
df['Total'] = df[list(df.columns)].sum(axis=1)

# 现在调用 info()，'Total' 列将显示
print("\n正确执行顺序后的 df.info() 输出：")
df.info()

此时 df.info() 的输出将包含 'Total' 列：

正确执行顺序后的 df.info() 输出：

Index: 4 entries, A to D
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   H1      4 non-null      float64
 1   H2      4 non-null      float64
 2   H3      4 non-null      float64
 3   Total   4 non-null      float64
dtypes: float64(4)
memory usage: 288.0+ bytes

2. 索引列的处理

DataFrame的索引（如示例中的 'A', 'B', 'C', 'D'）在Pandas中是一个特殊的结构，它不是普通的数据列。因此，df.info() 默认不会将其列为数据列。如果需要将索引作为一列进行分析或可视化，需要将其显式转换为数据列。

解决方案：

使用 df.reset_index() 方法可以将DataFrame的索引重置为默认的整数索引，并将原有的索引转换为一个名为 'index'（或自定义名称）的普通数据列。

# 将索引转换为数据列
df_reset = df.reset_index()

print("\nreset_index() 后的 DataFrame 显示：")
print(df_reset)

print("\nreset_index() 后的 df.info() 输出：")
df_reset.info()

输出结果将显示 'index' 列：

reset_index() 后的 DataFrame 显示：
  index            H1            H2          H3         Total
0     A  1.643910e+10  5.403600e+09  1.090100e+09  2.293280e+10
1     B  3.876800e+09  1.056970e+10  6.152400e+09  2.059890e+10
2     C  2.126470e+10  1.077500e+09  2.858000e+08  2.262800e+10
3     D  3.911600e+09  3.309300e+09  8.170000e+07  7.302600e+09

reset_index() 后的 df.info() 输出：

RangeIndex: 4 entries, 0 to 3
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   index   4 non-null      object 
 1   H1      4 non-null      float64
 2   H2      4 non-null      float64
 3   H3      4 non-null      float64
 4   Total   4 non-null      float64
dtypes: float64(4), object(1)
memory usage: 288.0+ bytes

注意事项：

reset_index() 会返回一个新的DataFrame，如果希望直接修改原DataFrame，可以使用 df.reset_index(inplace=True)（虽然不推荐，因为通常创建新DataFrame是更好的实践）。
在执行 reset_index() 之后，如果再尝试使用 df[list(df.columns)].sum(axis=1) 来计算 'Total' 列，可能会因为 'index' 列（现在是对象类型）的存在而导致错误。正确的做法是先处理索引，再计算 'Total' 列，或者在计算 'Total' 列时排除非数值列。

3. inplace=True 参数的误解

在原始问题中提到了 inplace=True。需要明确的是，当我们通过直接赋值的方式 df['新列名'] = ... 来创建或修改列时，Pandas会直接在原DataFrame上进行操作，因此不需要也不应使用 inplace=True。这个参数主要用于那些会返回新DataFrame的方法（例如 drop(), fillna(), set_index() 等），以指示它们直接修改原DataFrame而不是返回一个副本。

总结

要确保Pandas DataFrame中的所有期望列（包括新增列和作为数据列的索引）都能在 df.info() 中正确显示，关键在于理解DataFrame的状态和操作的执行顺序：

执行顺序至关重要：始终在所有数据操作（包括新列创建）完成后再调用 df.info()。在交互式环境中，如果结果不符合预期，请尝试重启内核并重新运行所有代码。
索引的特殊性：DataFrame的索引默认不被视为数据列。如果需要将其作为一列进行分析，请使用 df.reset_index() 方法将其转换为普通数据列。
inplace=True 的适用场景：直接赋值创建新列时无需使用 inplace=True。

通过遵循这些原则，您可以更准确地理解和调试DataFrame的结构，为后续的数据分析和可视化工作奠定坚实的基础。如果需要快速检查数值列的统计信息，df.describe() 也是一个有用的工具，它会自动包含所有数值类型的列。

# python # 工具 # 开发环境 # pandas # ipython # 值类型 # 对象 # jupyter # 数据分析 # 转换为 # 将其 # 能在 # 当我们 # 重启 # 进行分析 # 中不 # 的是 # 是一个 # 完成后

返回目录在线咨询

上一篇：SQL Server 2016 配置 SA 登录教程
下一篇：详解vue.js全局组件和局部组件

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

全网整合营销服务商