dataframe更新增加某一列值，apply方法

原始方法：生成ndarray，插入，删除原来的那列，把插入的列更名

two = np.zeros(`len(df_data))# 生成一个ndarray，装要插入的值
for i in range(len(df_data)):# 按条件修改two
    two[i] = df_data["pe_ttm"][i]["weightedAvg"]
f_data.insert(1, 'pe_ttm1', two)# 完成后将two插入dataframe中,1表示插入到第二个
del df_data['pe_ttm']
df_data.rename(columns={"pe_ttm1":"pe_ttm"}, inplace=True)
#这么多行等于一行

新方法dataframe的apply，当一个函数的参数存在于一个元组或者一个字典中时，用来间接的调用这个函数
中间写一个函数（或者匿名函数）

例子一：不管你是传进来第几行的数据（x的值），我都变成1

df_data["pe_ttm"]=df_data["pe_ttm"].apply(lambda x: 1)

例子二：
#数据清洗，将原来的那列的{‘weightedAvg’: 25.4987080756439}取其中的float

pe_ttm
{'weightedAvg': 21.4987080756439}
{'weightedAvg': 22.4987080756439}
{'weightedAvg': 23.4987080756439}

更新列：pe_ttm

df_data["pe_ttm"] = df_data["pe_ttm"].apply(lambda x: float(str(x)[16:-1]))
增加列：hello
df_data["hello"] = df_data["pe_ttm"].apply(lambda x: float(str(x)[16:-1]))