pandas給DataFrame新增列并賦值

 給DataFrame新增列的話，除了join,merge,concat這些函數(shù)之外，還可以通過簡單的df['new_column']=values的形式對其新增列，但是在使用這種方式新增列時，需要注意索引問題以及新增多列時該如何操作。

索引問題

這個問題只有在等號右邊的對象是Series或者DataFrame時需要注意，因為這時等號右邊的對象是有索引的，這樣賦值時，要保證新增對象的索引和左邊對象的索引一致，不然也只會保存一致的索引對應(yīng)的值，其他的值為NaN。當(dāng)然，對于新增一列的情形，可以直接在等號右邊以列表或者ndarray等沒有索引的可迭代對象賦值，從而避免索引問題。但是對于新增多列的情形，就不能用這種方式避免索引問題的，具體原因如下。

新增多列的簡單方式

新增多列時，這里講的時上述的簡單賦值方式，而不是利用join,merge,concat等這些函數(shù)去實現(xiàn)。不同于新增一列，新增一列可以直接用df['new_col']=values的方式，新增多列時，需要用df[['col1','col2',...]]=values的方式，里面需要用列表包含多個新增的列名，此外更重要的是，這時的values必須得是DataFrame，往往我們?nèi)菀紫氘?dāng)然的以為這時values也可以是ndarray或者list等對象，但實際則不然，其必須得是DataFrame，所以這時也一定要考慮索引問題；當(dāng)然，其實完全可以實現(xiàn)和新增一列相同的形式，即values也可以是其他對象，這里之所以這樣要求其必須是DataFrame，只是一種規(guī)定而已，似乎并沒有其他合理的理由。

其他需要注意的點以及小結(jié)

1、df[['col']]索引得到的對象是一個DataFrame，不再是一個Series，所以要對其新增列，右邊的對象也應(yīng)該是DataFrame；

2、不能用loc或者iloc進行新增列的賦值；

3、所以新增單列，用df['col']=values的方式，values可以為Series,list或ndarray等對象，或者也可以用df[['col']]=values，values必須為DataFrame；新增多列用df[['col1','col2',...]]=values，values必須為DataFrame；當(dāng)values為Series或者DataFrame時，需要注意索引問題。

DataFrame處理數(shù)據(jù)——列處理

首先導(dǎo)入pandas庫，創(chuàng)建一個數(shù)據(jù)框?qū)ο蟆?/p>

import pandas as pd
data = pd.DataFrame()

一、插入數(shù)據(jù)為列

將數(shù)據(jù)以列表或者Series對象的形式傳給data，列名為“col_1”，可自己定義

data["col_1"] = ["2023-01-01", "2023-02-05", "2023-03-14", "2023-12-31", "2023-05-06"]

二、新增或修改列

增加一個列名為“today”的列

from datetime import datetime as dt
data["today"] = dt.today()

將col_1列修改為日期格式，這樣才能進行日期運算

data["col_1"] = pd.to_datetime(data["col_1"])

三、對整列進行運算

用today列減去col_1列，生成col_2列

data["col_2"] = data["today"] - data["col_1"]

不過這樣處理得到的差值數(shù)據(jù)類型是datetime庫里的Timedelta對象，在數(shù)據(jù)分析中這樣的數(shù)據(jù)類型意義不大，需要調(diào)用Timedelta的屬性來提取具體的天數(shù)差，操作見第四節(jié)。

四、用函數(shù)對列中的每個值進行處理

用來處理的函數(shù)如果較為簡單，可以使用如下方法，在apply方法中用lambda定義函數(shù)，其中x表示被處理的對象，在下面的代碼中對應(yīng)的是col_2這個Series中的每個“時間差”對象（Timedelta），用“.days”來訪問天數(shù)屬性，將時間差轉(zhuǎn)換成天數(shù)（數(shù)據(jù)類型也會相應(yīng)地變成整型）。

data["col_2"] = data["col_2"].apply(lambda x: x.days)

處理數(shù)據(jù)的函數(shù)如果比較復(fù)雜，也可以先定義函數(shù)，再對數(shù)據(jù)進行處理，定義的函數(shù)中第一個參數(shù)默認為數(shù)據(jù)框傳入的值，如果有多個參數(shù)，在調(diào)用apply時要用args后加可迭代對象（如列表，元組）包裹起來，傳入的實參與函數(shù)中的形參位置一一對應(yīng)。

需要注意的是，將函數(shù)傳入apply時不需要加括號。

def get_date_format(x, y):
    x = dt.strftime(x, y)
    return x
 
data["col_3"] = data["col_1"].apply(get_date_format, args=["%Y年%m月%d日"])

五、選擇自己需要的列

方法比較簡單，不過多贅述，直接上代碼：

data = data[["col_2", "col_3"]]

六、修改列名

方法比較簡單，不過多贅述，直接上代碼：

data.rename(columns={"col_2":"天數(shù)差", "col_3":"日期"}, inplace=True)
 
# 也可以用以下方法，修改全部列名
columns = ["原日期", "今天", "天數(shù)差", "修改后日期"]
data.columns = columns
inplace=True表示在該對象上直接修改

七、刪除列

方法比較簡單，不過多贅述，直接上代碼：

data.drop(["原日期", "今天"], axis=1, inplace=True)

列表中的值表示列名，執(zhí)行上方代碼，會刪除“原日期”和“今天”這兩個列。

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論