系列文章目录
第一章 Pandas 学习入门之pandas数据读取
第二章 Pandas 学习入门之pandas数据结构
第三章 Pandas 学习入门之pandas数据查询
第四章 Pandas 学习入门之pandas新增数据列
随着人工智能的不断发展,数据分析这门技术也越来越重要,很多人都开启了学习数据分析,本文就介绍了pandas学习的基础内容。本章仅仅简单介绍了pandas新增数据列的4种方法——直接赋值法、df.apply法、df.assign法和按条件选择分组赋值法。
前言
本章仅仅简单介绍了pandas新增数据列的4种方法——直接赋值法、df.apply法、df.assign法和按条件选择分组赋值法。
提示:以下是本篇文章正文内容,下面案例可供参考
一、pandas怎样新增数据列?
在进行数据分析时,经常需要按照一定条件创建新的数据列,然后进行进一步分析。
- 直接赋值
- df.apply方法
- df.assign方法
- 按条件选择分组分别赋值
二、pandas的4种新增数据列方法
0.引入库 & 读取数据
代码如下(示例):
import pandas as pd
#使用pd.read_csv(fpath)读取数据
df = pd.read_csv( "./beijing_tianqi_2018.csv")
df.head()
清理温度列,变成数字类型
# 替换掉温度的后缀℃
df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32')
df.loc[:, "yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')
df.head()
1.直接赋值的方法
计算温差
# 注意,df["bWendu"]其实是一个Series,后面的减法返回的是Series
df.loc[:, "wencha"] = df["bWendu"] - df["yWendu"]
df.head()
2.df.apply方法
实例:添加一列温度类型:
- 如果最高温度大于33度就是高温
- 低于-10度是低温
- 否则是常温
def get_wendu_type(x):
if x["bWendu"] > 33:
return '高温'
if x["yWendu"] < -10:
return '低温'
return '常温'
# 注意需要设置axis==1,这是series的index是columns
df.loc[:, "wendu_type"] = df.apply(get_wendu_type, axis=1)
在apply方法中指定了axis=1,表示操作是按行进行。(即每次调用函数时传入的是行数据,而不是列数据)
将apply方法的返回值(一个Series,包含所有行的'高温'、'低温'或'常温'标签)赋值给df.loc[:, "wendu_type"]。这里,df.loc[:, "wendu_type"]用于创建(如果列不存在)或更新(如果列已存在)
# 查看温度类型的计数
df["wendu_type"].value_counts()
wendu_type 常温 328 高温 29 低温 8 Name: count, dtype: int64
使用value_counts()方法可以快速统计pandas DataFrame或Series中各个唯一值出现的频次。
df
3.df.assign方法
实例:将温度从摄氏度变成华氏度
# 可以同时添加多个新的列
df.assign(
yWendu_huashi = lambda x : x["yWendu"] * 9 / 5 + 32,
# 摄氏度转华氏度
bWendu_huashi = lambda x : x["bWendu"] * 9 / 5 + 32
)
4.按条件选择分组分别赋值
按条件先选择数据,然后对这部分数据赋值新列
实例:高低温差大于10度,则认为温差大
# 先创建空列(这是第一种创建新列的方法)
df['wencha_type'] = ''
df.loc[df["bWendu"]-df["yWendu"]>10, "wencha_type"] = "温差大"
df.loc[df["bWendu"]-df["yWendu"]<=10, "wencha_type"] = "温差正常"
df
df["wencha_type"].value_counts()
wencha_type 温差正常 187 温差大 178 Name: count, dtype: int64
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本章仅仅简单介绍了pandas新增数据列的4种方法——直接赋值法、df.apply法、df.assign法和按条件选择分组赋值法,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。