日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學(xué)無先后，達者為師

網(wǎng)站首頁 編程語言 正文

pandas添加新列的5種常見方法_python

作者：一位代碼 ? 更新時間： 2022-08-04 編程語言

前言

pandas為DataFrame格式數(shù)據(jù)添加新列的方法非常簡單，只需要新建一個列索引，再為其賦值即可。

以下總結(jié)了5種常見添加新列的方法。

首先，創(chuàng)建一個DataFrame結(jié)構(gòu)數(shù)據(jù)，作為數(shù)據(jù)舉例。

import pandas as pd
# 創(chuàng)建一個DataFrame結(jié)構(gòu)數(shù)據(jù)
data = {'a': ['a0', 'a1', 'a2'],
        'b': ['b0', 'b1', 'b2']}
df = pd.DataFrame(data)
print('舉例數(shù)據(jù)情況：\n', df)

添加新列的方法，如下：

一、insert()函數(shù)

語法：

DataFrame.insert(loc, column, value,allow_duplicates = False)

參數(shù) 說明
loc 必要字段，int類型數(shù)據(jù)，表示插入新列的列位置，原來在該位置的列將向右移。
column 必要字段，插入新列的列名。
value 必要字段，新列插入的值。如果僅提供一個值，將為所有行設(shè)置相同的值。可以是int，string，float等，甚至可以是series /值列表。
allow_duplicates 布爾值，用于檢查是否存在具有相同名稱的列。默認(rèn)為False，不允許與已有的列名重復(fù)。

實例：插入c列

df.insert(loc=2, column='c', value=3)  # 在最后一列后，插入值全為3的c列
print('插入c列：\n', df)

二、直接賦值法

語法：df[‘新列名’]=新列的值

實例：插入d列

df['d'] = [1, 2, 3]  # 插入值為[1,2,3]的d列
print('插入d列：\n', df)

注：該方法不可以選擇插入新列的位置，默認(rèn)為最后一列。如果新增的一列值相同，直接為其賦值一個常量即可；如果插入值不同，為列表格式，需與已有列的行數(shù)長度一致，如舉例中原來列為3行，新增列也必須有3個值。

三、reindex()函數(shù)

語法：df.reindex(columns=[原來所有的列名,新增列名],fill_value=值)

reindex()函數(shù)用法較多，此處只是針對添加新列的用法

實例：插入e列

df1 = df.reindex(columns=['a', 'b', 'c', 'd', 'e'])  # 不加fill_value參數(shù)，默認(rèn)值為Nan
df2 = df.reindex(columns=['a', 'b', 'c', 'd', 'e'], fill_value=1)  # 加入fill_value參數(shù)，填充值為1
print('插入e列(不加fill_value參數(shù))：\n', df1)
print('插入e列(加fill_value參數(shù))：\n', df2)

注：該方法需要把原有的列名和新列名都加上，如果列名過多，就比較麻煩。

四、concat()函數(shù)

原理：利用拼接的方式，添加新的一列。好處是可以同時新增多個列名。

concat()函數(shù)用法較多，此處只是針對添加新列的用法

實例：插入f列

df1 = pd.concat([df1, pd.DataFrame(columns=['f'])])
print('插入f列：\n', df1)

五、loc()函數(shù)

原理：利用loc的行列索引標(biāo)簽來實現(xiàn)。

語法：df.loc[:,新列名]=值

實例：插入g列

df1.loc[:, 'g'] = 0
print('插入g列：\n', df1)

以上就是pandas添加新列的5種常見用法。

附：pandas根據(jù)現(xiàn)有列新添加一列

pandas中一個Dataframe，經(jīng)常需要根據(jù)其中一列再新建一列，比如一個常見的例子：需要根據(jù)分?jǐn)?shù)來確定等級范圍，下面我們就來看一下怎么實現(xiàn)。

def getlevel(score):
? ? if score < 60:
? ? ? ? return "bad"
? ? elif score < 80:
? ? ? ? return "mid"
? ? else:
? ? ? ? return "good"

def test():
? ? data = {'name': ['lili', 'lucy', 'tracy', 'tony', 'mike'],
? ? ? ? ? ? 'score': [85, 61, 75, 49, 90]
? ? ? ? ? ? }
? ? df = pd.DataFrame(data=data)
? ? # 兩種方式都可以
? ? # df['level'] = df.apply(lambda x: getlevel(x['score']), axis=1)
? ? df['level'] = df.apply(lambda x: getlevel(x.score), axis=1)

? ? print(df)

上面代碼運行結(jié)果

? ? name ?score level
0 ? lili ? ? 85 ?good
1 ? lucy ? ? 61 ? mid
2 ?tracy ? ? 75 ? mid
3 ? tony ? ? 49 ? bad
4 ? mike ? ? 90 ?good

要實現(xiàn)上面的功能，主要是使用到dataframe中的apply方法。

上面的代碼，對dataframe新增加一列名為level，level由分?jǐn)?shù)一列而來，如果小于60分為bad，60-80之間為mid，80以上為good。

其中axis=1表示原有dataframe的行不變，列的維數(shù)發(fā)生改變。

總結(jié)

原文鏈接：https://blog.csdn.net/LHJCSDNYL/article/details/124577994

欄目分類
最近更新