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)

登录后复制

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

登录后复制

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()

登录后复制

df.info()输出：
<class 'pandas.core.frame.DataFrame'>
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

登录后复制

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()

登录后复制

此时 df.info() 的输出将包含 'Total' 列：

标签： python 工具 开发环境