一次性在pandas.DataFrame里添加插入几列

  DataFrame在任意处添加一列或者多列的方法
很多时候我们需要在任意处添加一列，而非末尾添加一列，下面就介绍一下几种方法
1.df.insert但是这个允许插入一列
DataFrame.insert（loc，column，value，allow_duplicates = False）
loc： int，插入索引。必须验证0 <= loc <= len（columns）
column：str, number, or hashable object，插入列的标签
value：int, Series, or array-like
allow_duplicates：bool, 可选
前面三个是必选，后面的可选
值得注意的是，如果你不知道value的值，可以使用np.nan代替，后续再赋值
data = pd.DataFrame(columns=['a','b'], data=[[1,2],[3,4]])
data.insert(2,'c',value=np.nan)
   a  b   c
0  1  2 NaN
1  3  4 NaN
2.pd.concat，df.reindex和list.insert(index, obj)配合，可以在任意处插入一列或者多列
首先，如果要在df的后面添加一列，只需要data['c']=xx，但是如果你想一次性添加两列级以上，df[['D','E']] == None ,结果报错
所以接下来我想介绍这种认为比较简便的方法：
利用pd.concat 在DataFrame后面添加两列，这种方法的缺点是不能指定位置
pd.concat([df, pd.DataFrame(columns=list('DE'))])，然后利用 reindex来重排和增加列名df.reindex(columns=list('ABCDE'))，
当然这里举的例子比较简单，在实际运用中，列名可能都比较长，都敲出来肯定不方便，所以我们需要更强大的方法，运用到 list.insert的方法list.insert(index, obj)
col_name = df.columns.tolist()
col_name.insert(1,'D')
df.reindex(columns=col_name)
#或者不用数字索引，直接在某列前面或后面插入，利用 list.index的方法
col_name = df.columns.tolist()
col_name.insert(col_name.index('B'),'D')# 在 B 列前面插入
df.reindex(columns=col_name)
col_name = df.columns.tolist()
col_name.insert(col_name.index('B')+1,'D') # 在 B 列后面插入
df.reindex(columns=col_name)
这样子就基本能满足所有要求了

reindex 还有 fill_value 选项，可以填充NaN，例子如下df.reindex(columns=list('ABCDE'), fill_value=0)
　　当然这里举的例子比较简单，在实际运用中，列名可能都比较长，都敲出来肯定不方便，所以我们需要更强大的方法，运用到 list.insert的方法list.insert(index, obj)
index -- 对象obj需要插入的索引位置。
obj -- 要插入列表中的对象。
先获取原列名集合, 赋值给新变量（这个很重要，具体原因我也不知道为啥）， 然后 insert
col_name = df.columns.tolist()
col_name.insert(1,'D')
df.reindex(columns=col_name)
Out[92]: 
A D B C
01 NaNNoneNone
13 NaNNoneNone
 或者不用数字索引，直接在某列前面或后面插入，利用 list.index的方法
col_name = df.columns.tolist()
col_name.insert(col_name.index('B'),'D')# 在 B 列前面插入
df.reindex(columns=col_name)
Out[93]: 
A D B C
01 NaNNoneNone
13 NaNNoneNone
col_name = df.columns.tolist()