我希望您的语法也能正常工作。出现问题的原因是，当您使用column-list语法（
df[[new1, new2]] =...）创建新列时，pandas要求右侧为Dataframe（请注意，Dataframe的列是否具有与列相同的名称实际上并不重要您正在创建）。
您的语法可以很好地为 现有 列分配标量值，并且pandas也很乐意使用单列语法（
df[new1] =...）将标量值分配给新列。因此，解决方案是将其转换为几个单列分配，或者为右侧创建合适的Dataframe。
这里有几种方法是 将 工作：
import pandas as pdimport numpy as npdf = pd.Dataframe({ 'col_1': [0, 1, 2, 3], 'col_2': [4, 5, 6, 7]})然后执行以下操作之一：
1）使用列表拆包，将三个作业合二为一：
df['column_new_1'], df['column_new_2'], df['column_new_3'] = [np.nan, 'dogs', 3]
2）Dataframe
方便地扩展单个行以匹配索引，因此您可以执行以下操作：
df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.Dataframe([[np.nan, 'dogs', 3]], index=df.index)
3）使用新列创建一个临时数据框，然后与原始数据框合并：
df = pd.concat( [ df, pd.Dataframe( [[np.nan, 'dogs', 3]], index=df.index, columns=['column_new_1', 'column_new_2', 'column_new_3'] ) ], axis=1)
4）与之前类似，但使用join
代替concat
（可能效率较低）：
df = df.join(pd.Dataframe( [[np.nan, 'dogs', 3]], index=df.index, columns=['column_new_1', 'column_new_2', 'column_new_3']))
5）使用dict比前两个更“自然”地创建新数据框，但是新列将按字母顺序排序（至少[在Python
3.6或3.7之前](http://codingdict.com/questions/178055)）：
df = df.join(pd.Dataframe( { 'column_new_1': np.nan, 'column_new_2': 'dogs', 'column_new_3': 3 }, index=df.index))6）.assign()
与多个列参数一起使用。
我非常喜欢@zero答案中的此变体，但与上一个一样，新列将始终按字母顺序排序，至少在早期版本的Python中：
df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)
7）这很有趣，但是我不知道什么时候值得这样做：
new_cols = ['column_new_1', 'column_new_2', 'column_new_3']new_vals = [np.nan, 'dogs', 3]df = df.reindex(columns=df.columns.tolist() + new_cols) # add empty colsdf[new_cols] = new_vals # multi-column assignment works for existing cols
8）最后，很难击败三个独立的任务：
df['column_new_1'] = np.nandf['column_new_2'] = 'dogs'df['column_new_3'] = 3
注意：这些选项中的许多选项已经包含在其他答案中：将多个列添加到Dataframe并将它们设置为与现有列相等，是否可以一次将多个列添加到pandasDataframe？，向pandasDataframe添加多个空列
