HOWTO · Pandas
Comment créer une colonne vide dans Pandas DataFrame
Nous pouvons ajouter une colonne vide à DataFrame dans Pandas en utilisant un opérateur d'affectation simple, des méthodes reindex(), assign() et insert().
Sur cette page
Pour ajouter une colonne vide à un DataFrame pandas existant en Python, utilisez df["NewColumn"] = "" pour créer une colonne de chaînes vides, ou df["NewColumn"] = float("nan") pour y placer des valeurs manquantes (NaN). Ces deux solutions conservent les lignes et les autres colonnes. Une chaîne vide reste une valeur textuelle : choisissez la représentation adaptée à vos calculs et à vos filtres ultérieurs.
Utilisez reindex() pour ajouter plusieurs colonnes, assign() pour obtenir un DataFrame avec des colonnes nommées supplémentaires, ou insert() pour choisir leur position. Les exemples nécessitent pandas et NumPy.
Créer une colonne vide dans Pandas par affectation simple
L’affectation d’une valeur scalaire à une nouvelle colonne répète cette valeur pour chaque ligne existante. Elle modifie directement df et ajoute la colonne à droite. Si le nom existe déjà, l’affectation remplace le contenu de la colonne : choisissez donc un nouveau nom pour conserver les données.
Cet exemple compare une chaîne vide, la valeur manquante de NumPy et une Series pandas vide :
Le code et les libellés ou sorties affichés dans cette section restent en anglais.
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df["Empty_1"] = ""
df["Empty_2"] = np.nan
df["Empty_3"] = pd.Series()
print(df)
Sortie :
Date Income Expenses Empty_1 Empty_2 Empty_3
0 April-20 10 3 NaN NaN
1 April-21 20 8 NaN NaN
2 April-22 10 4 NaN NaN
3 April-23 15 5 NaN NaN
4 April-24 10 6 NaN NaN
5 April-25 12 10 NaN NaN
Empty_1 contient des chaînes vides, tandis que Empty_2 contient NaN. Lorsqu’une Series est affectée, pandas aligne ses étiquettes d’index sur celles des lignes du DataFrame. La Series vide ne comporte aucune étiquette correspondante : Empty_3 contient donc également des valeurs manquantes sur toutes les lignes.
Pour utiliser une autre solution dont le type est explicite, écrivez df["NewColumn"] = pd.Series(index=df.index, dtype="float64"). L’ajout de df.index rend explicite l’alignement souhaité des lignes. Pour sélectionner ensuite les valeurs manquantes, utilisez df["NewColumn"].isna() au lieu de les comparer à NaN ; pour les chaînes vides, utilisez une comparaison distincte avec "".
Ajouter une colonne vide à Pandas avec pandas.DataFrame.reindex()
La méthode pandas.DataFrame.reindex() renvoie un DataFrame avec les étiquettes de colonnes et l’ordre demandés. Par défaut, les nouvelles étiquettes reçoivent des valeurs manquantes. Attention : columns définit la liste complète des colonnes du résultat, et pas seulement celles à ajouter.
Le code et les libellés ou sorties affichés dans cette section restent en anglais.
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
column_names = ["Empty_1", "Empty_2", "Empty_3"]
df = df.reindex(columns=column_names)
print(df)
Sortie :
Empty_1 Empty_2 Empty_3
0 NaN NaN NaN
1 NaN NaN NaN
2 NaN NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaN
Ici, le résultat conserve les six étiquettes de ligne, mais supprime Date, Income et Expenses. Réaffecter ce résultat à df remplace la référence à l’objet d’origine.
Pour conserver les données existantes, partez de df.columns.tolist() et ajoutez les nouveaux noms à la liste. Cette approche préserve l’ordre des colonnes existantes et place les nouvelles à droite. Stockez le DataFrame renvoyé, car cette méthode ne modifie pas l’objet d’origine en place. Exécutez cet exemple :
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df = df.reindex(columns=df.columns.tolist() + ["Empty_1", "Empty_2", "Empty_3"])
print(df)
Sortie :
Date Income Expenses Empty_1 Empty_2 Empty_3
0 April-20 10 3 NaN NaN NaN
1 April-21 20 8 NaN NaN NaN
2 April-22 10 4 NaN NaN NaN
3 April-23 15 5 NaN NaN NaN
4 April-24 10 6 NaN NaN NaN
5 April-25 12 10 NaN NaN NaN
Les dates, revenus et dépenses d’origine sont conservés, puis suivis de trois colonnes contenant NaN. Choisissez des noms absents du DataFrame pour éviter de demander des étiquettes en double.
Ajouter une colonne vide à un DataFrame Pandas avec pandas.DataFrame.assign()
La méthode pandas.DataFrame.assign() renvoie un DataFrame contenant une ou plusieurs colonnes nommées. Chaque argument nommé désigne une colonne et fournit ses valeurs. Conservez l’objet renvoyé, comme dans df = df.assign(...), ou affectez-le à un autre nom pour garder le DataFrame d’origine.
Le code et les libellés ou sorties affichés dans cette section restent en anglais.
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df = df.assign(Empty_1="", Empty_2=np.nan)
print(df)
Sortie :
Date Income Expenses Empty_1 Empty_2
0 April-20 10 3 NaN
1 April-21 20 8 NaN
2 April-22 10 4 NaN
3 April-23 15 5 NaN
4 April-24 10 6 NaN
5 April-25 12 10 NaN
Empty_1 contient des chaînes vides ; seule Empty_2 contient NaN. Les colonnes existantes sont conservées. Comme avec l’affectation directe, préciser le nom d’une colonne existante remplace cette colonne dans le DataFrame renvoyé.
Ajouter une colonne vide à un DataFrame avec pandas.DataFrame.insert()
Utilisez pandas.DataFrame.insert() lorsque la position de la colonne compte. Appelez la méthode ainsi : df.insert(loc, column, value). loc est la position de la colonne, en commençant à zéro ; column est la nouvelle étiquette et value est obligatoire. Fournissez "" pour des chaînes vides ou np.nan pour des valeurs manquantes.
La position doit être comprise entre 0 et len(df.columns), bornes incluses ; la valeur maximale ajoute la colonne à la fin. Par défaut, l’insertion échoue si l’étiquette existe déjà. L’argument allow_duplicates=True autorise les étiquettes en double, mais peut rendre les sélections de colonnes ultérieures ambiguës.
Contrairement à assign() et reindex(), insert() modifie df en place et renvoie None. N’écrivez pas df = df.insert(...).
L’exemple suivant ajoute deux colonnes à la fin :
Le code et les libellés ou sorties affichés dans cette section restent en anglais.
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df.insert(3, "Empty_1", "")
df.insert(4, "Empty_2", np.nan)
print(df)
Sortie :
Date Income Expenses Empty_1 Empty_2
0 April-20 10 3 NaN
1 April-21 20 8 NaN
2 April-22 10 4 NaN
3 April-23 15 5 NaN
4 April-24 10 6 NaN
5 April-25 12 10 NaN
Empty_1 occupe la position de colonne 3 et contient des chaînes vides. Après cette insertion, la position 4 est disponible pour Empty_2, qui contient NaN. Pour placer une colonne en premier, utilisez plutôt loc=0 ; les colonnes existantes sont décalées vers la droite sans que leurs valeurs changent.