我本来希望你的语法也能工作。出现问题是因为当您使用列列表语法 ( df[[new1, new2]] = ...) 创建新列时，pandas 要求右侧是
DataFrame（请注意，DataFrame 的列是否与列同名实际上并不重要你正在创造）。

您的语法适用于将标量值分配给 现有 列，pandas 也很乐意使用单列语法 ( df[new1] = ...)
将标量值分配给新列。所以解决方案是要么将其转换为几个单列赋值，要么为右侧创建一个合适的 DataFrame。

以下是几种可行的 方法 ：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'col_1': [0, 1, 2, 3],
    'col_2': [4, 5, 6, 7]
})

然后是以下之一：

1）三赋值合一，使用列表解包：

df['column_new_1'], df['column_new_2'], df['column_new_3'] = [np.nan, 'dogs', 3]

2）DataFrame方便地扩展单行以匹配索引，因此您可以这样做：

df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.DataFrame([[np.nan, 'dogs', 3]], index=df.index)

3）用新列制作一个临时数据框，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) 与前面类似，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 是一种比前两种更“自然”的方式来创建新数据框，但新列将按字母顺序排序（至少[在 Python 3.6 或 3.7

之前](https://stackoverflow.com/q/39980323/3830997)）：

df = df.join(pd.DataFrame(
    {
        'column_new_1': np.nan,
        'column_new_2': 'dogs',
        'column_new_3': 3
    }, index=df.index
))

6).assign()与多列参数一起使用。

我非常喜欢@zero 的答案中的这个变体，但与前一个一样，新列将始终按字母顺序排序，至少对于早期版本的 Python：

df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)

7）这很有趣，但我不知道什么时候值得麻烦：

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 cols
df[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.nan
df['column_new_2'] = 'dogs'
df['column_new_3'] = 3