Summary  
This chapter covers adding new columns to a pandas DataFrame using square-bracket notation—assigning static or computed values—and explains why bracket notation is required for creation while dot notation only accesses existing columns.  

General domain of usage  
Data analysis

`DataFrame` の作成方法を学習済み。次に、その活用方法について確認。

Watch this video to learn how to add new columns to a Pandas DataFrame. You'll see how to use square bracket syntax to expand your data, understand the difference between square bracket and dot notation, and follow step-by-step examples using a real-world dataset. This video covers best practices and common pitfalls, so you can confidently manipulate DataFrames in your own projects.

まず、**3** 列 **7** 行のコンパクトな `DataFrame` を作成。

import pandas as pd 
countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}

countries = pd.DataFrame(countries_data)
print(countries)

次の構文を使用して、新しい列を追加することで `DataFrame` を拡張可能。

```python
dataframe['name_of_new_column'] = [value_1, value_2, value_3]
```

* `dataframe` は列を追加する既存の `DataFrame`；
* `name_of_new_column` は新しい列の名前；
* `value_1, value_2, value_3` は新しい列に格納される値。

新しい列名は引用符で囲み、角括弧で囲む必要があり、例：`['NewColumnName']`。新しい列に割り当てる値も角括弧で囲む。例：`data['NewColumnName'] = [value1, value2, value3]`。値が数値の場合は引用符なしで `[1, 2, 3]` のように記述可能。値が文字列の場合は、それぞれ引用符で囲み、`['A', 'B', 'C']` のように記述。

注意

次に、既存の `'population'` DataFrame に `countries` 列を追加。

import pandas as pd
countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(countries_data)

countries['population'] = [61399000, 75967000, 39244, 380200, 10380491, 5496000, 2424200]
print(countries)

ドット記法（例：`df.column`）は**既存の列へのアクセス**には使用できますが、**新しい**列の作成には使用できません。この目的には必ず角括弧記法（例：`df['column']`）を使用してください。

import pandas as pd
countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(countries_data)

countries.population = [61399000, 75967000, 39244, 380200, 10380491, 5496000, 2424200]
print(countries)

予想通り、`'population'` 列は作成されませんでした。これは、**Pandas** ではこの方法で列を作成することが許可されていないためです。

Pandasは、データ分析のための非常にユーザーフレンドリーなライブラリです。また、DataFrameやSeriesのようなデータ構造を使用して大規模なデータセットを扱うように設計されています。これにより、データサイエンスにとって不可欠なツールとなっています。本ガイドでは、相関、最頻値、中央値、最大値および最小値の算出方法など、さまざまな統計関数について学びます。また、欠損値の処理や特定の値の操作、削除方法についても習得します。

pandasライブラリの基本を学びます。SeriesおよびDataFrameの作成と操作、その構造の探索、基本的なデータ操作の実践に自信を持つことができます。

CSVファイルおよびTXTファイルからデータを読み込み、管理する方法を習得します。pandasツールを使用してデータセットをインポートし、さらなる分析のために準備する実践的な経験を得られます。

データを効果的に探索、クリーンアップ、要約する方法を学びます。欠損値の処理方法、インサイトの抽出、pandasを用いた基本的な統計操作について理解します。

新しい列の追加