Inserindo uma Nova Coluna

Agora exploraremos outra técnica para adicionar uma coluna a um DataFrame. Esta abordagem utiliza o método insert(). Um benefício chave do método insert() é que ele permite que você especifique a posição da nova coluna dentro do DataFrame.

python
df.insert(column_index, 'column_name', [value_1, value_2, value_3])

df : o nome do DataFrame existente;
insert() : o método usado para adicionar novas colunas;
column_index : a posição onde a nova coluna será inserida (lembre-se de que a indexação começa em 0 );
column_name : o nome da nova coluna;
[value_1, value_2, value_3] : os valores que irão preencher a nova coluna.

Agora vamos voltar nossa atenção para o DataFrame countries e demonstrar como adicionar uma nova coluna chamada 'population', representando as populações dos países, logo após a primeira coluna ('country').

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.insert(1, 'population', [61399000, 75967000, 39244, 380200, 10380491, 5496000, 2424200])

print(countries)


              12345678
            
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.insert(1, 'population', [61399000, 75967000, 39244, 380200, 10380491, 5496000, 2424200])
print(countries)

Tarefa

Swipe to start coding

Usando os dados cars_data, crie o DataFrame audi_cars.
Insira uma coluna chamada 'price' entre as colunas year e fueltype. Use o método .insert() e preencha com os seguintes valores: [12500, 16500, 16800, 17300, 13900].