针对“pandas添加自增列的2种实现方案”的问题，下面是一份完整攻略。

1. 背景介绍

在数据分析中，有时需要为数据表添加一个自增的行号列作为索引或其他用途。而Python中的pandas库提供了两种添加自增列的实现方案。本攻略将介绍这两种方案的使用方法和示例说明。

2. 实现方案

• 方案一：使用apply方法

  通过apply方法可以对DataFrame的每一行进行遍历，并给每一行赋值。使用该方法可以添加一个自增列，并赋予不同的值。

  “`python
  import pandas as pd

  构造数据

  df = pd.DataFrame({
  ‘name’: [‘Tom’, ‘Jerry’, ‘Mickey’, ‘Minion’],
  ‘age’: [29, 34, 22, 35]
  })

  添加自增列

  df[‘id’] = df.apply(lambda x: x.name + ‘_’ + str(x.age), axis=1)

  print(df)
  “`

  输出结果：

  name age id
0 Tom 29 Tom_29
1 Jerry 34 Jerry_34
2 Mickey 22 Mickey_22
3 Minion 35 Minion_35

  上面的示例中，使用了lambda函数来生成自增列，以name和age来生成唯一的id值。该方法使用了apply方法遍历DataFrame的每一行，可以处理大规模数据。

• 方案二：使用Series函数

  pandas库中的Series函数可以生成一个自增序列，并通过index值来索引行。和方案一不同，方案二需要事先生成一个序列，再合并到DataFrame中。

  “`python
  import pandas as pd
  import numpy as np

  构造数据

  df = pd.DataFrame({
  ‘name’: [‘Tom’, ‘Jerry’, ‘Mickey’, ‘Minion’],
  ‘age’: [29, 34, 22, 35]
  })

  添加自增列

  id_series = pd.Series(np.arange(1, len(df) + 1), index=df.index)
  df[‘id’] = id_series

  print(df)
  “`

  输出结果：

  name age id
0 Tom 29 1
1 Jerry 34 2
2 Mickey 22 3
3 Minion 35 4

  上面的示例中，使用Series函数生成了一个自增序列id_series，并按照行索引合并到DataFrame中。该方法也适用于处理大规模数据。

3. 总结

本攻略介绍了pandas库中添加自增列的两种实现方案（apply方法和Series函数），并给出了示例说明。在实际数据处理中，大家可以根据具体情况选择合适的方法，来方便地为数据表添加自增列。