【Pandas总结】第六节 Pandas 添加列

文章目录

数据准备工作
一、直接赋值
二、用`df.apply()` 方法
三、用`df.assign()`方法
四、按条件分组后，分别赋值

在Pandas数据处理时，经常要用到添加数据列的方式；这篇文章主要解决的就是在Pandas中添加列的问题；

常用的添加列的方法有如下几种：直接赋值，用df.apply() 方法，用df.assign()方法，条件分组后，分别赋值；详细说明如下：

数据准备工作

首先读入数据，数据如下，可以复制到本地(保存为CSV)，进行练习：

Date,天气,高温,低温,风向,风速
2020/7/16,晴,26,21,东风,2
2020/7/17,多云,25,21,西风,3
2020/7/20,小雨,24,15,东北风,5
2020/7/21,多云转晴,22,17,东风,2
2020/7/22,多云,20,16,西风,1
2020/7/23,雷阵雨,20,20,东北风,3
2020/7/24,多云,26,17,西南风,2
2020/7/27,小雨,26,17,东风,3
2020/7/28,多云转晴,25,24,西风,5
2020/7/29,晴,24,23,东北风,2
2020/7/30,晴,22,20,东风,2
2020/7/31,晴,26,22,东风,3
2020/8/3,晴,25,22,西风,2
2020/8/4,多云转晴,24,16,东北风,3
2020/8/5,多云,22,14,东风,5
2020/8/6,雷阵雨,20,12,西风,2
2020/8/7,小雨,20,13,东北风,1
2020/8/10,多云转晴,26,22,西南风,3

读入代码：

import pandas as pd
df=pd.read_csv(r'./data_select.csv',encoding='gbk') # 这里因为我是用Excel保存成csv的，所以是'gbk',常用的编码为'UTF-8'

一、直接赋值

要求：在低温与高温后增加 ℃ ，在风速后增加‘级’；

df.loc[:,"高温℃"]= df["高温"].astype("str")+'℃'
df.loc[:,"低温℃"]= df["低温"].astype("str")+'℃'
df.loc[:,"风速_new"]= df["风速"].astype("str")+'级'

要求：增加新列，计算出温差；

df.loc[:,'温差'] = df["高温"]- df["低温"]
# 或者这样写也可以
df['温差'] = df["高温"]- df["低温"]

二、用`df.apply()` 方法

要求：增加一列：温差如何；要求如下：
当昼夜温差大于等于5，则显示：昼夜温差好大！！
当昼夜温差小于等于2，则显示：昼夜温差超小~
其他情况显示：真是普通的一天！

代码如下：

def func_temp(df):if(df["温差"]>=5):return("昼夜温差好大！！")elif(df["温差"]<=2):return("昼夜温差超小~")else:return("真是普通的一天！")df.loc[:,"温差如何"] = df.apply(func_temp,axis=1)

三、用`df.assign()`方法

与df.apply() 类似，可以传入匿名函数，得到最终的结果；例如：

要求：增加一列风的方向；

df.assign( 风的方向 = lambda x: (x["风向"].str[:-1]))
# 但其实只需要最简单的语句就能实现以上功能，如下：
# df["风的方向"]=df["风向"].str[:-1]

这里不太一样的地方是，df.assign() 不会修改原df, 所以我们需要赋值到一个新的df中才可以；

四、按条件分组后，分别赋值

上面我们是用 df.apply() 实现了为不同温差增加备注列：温度如何；但其实我们还可以使用更易懂的方式来完成这个功能；注意：其中多个条件需要用 &(与运算) 或者 |（或运算），条件最好用()包起来，以免逻辑不清；举例如下：

df.loc[df["高温"]-df["低温"]>=5,"温差如何"] = "昼夜温差好大！"
df.loc[df["高温"]-df["低温"]<=2,"温差如何"] = "昼夜温差超小~"
df.loc[(df["高温"]-df["低温"]<5) & (df["高温"]-df["低温"]>2),"温差如何"] = "平静的一天。"

【Pandas总结】第六节 Pandas 添加列相关推荐

【Pandas总结】第一节 Pandas 简介与Series，DataFrame的创建
文章目录一.Pandas 简介二.Pandas 数据结构 2.1 Series (一维数据) 2.2 DataFrame(二维数据) 三.Series 的创建 3.1 由数创建 3.2 由列表创建 ...
【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解（非常全面，推荐收藏）
使用pandas进行数据读取,最常读取的数据格式如下: NO 数据类型说明使用方法 1 csv, tsv, txt 可以读取纯文本文件 pd.read_csv 2 excel 可以读取.xls . ...
Pandas简明教程：六、Pandas条件查询
文章目录 1.基本方法 2.高级查询 3. 可用于修改内容的`where`方法 4.条件检索进阶:快速的查询方法`query` 5.其它检索方法简述本系列教程教程完整目录: 目前大家公认的一个说法是 ...
数据分析第六讲 pandas
文章目录数据分析第六讲 pandas 一.pandas介绍 1.学习pandas的作用 2.pandas是什么? 二.pandas常用数据类型 1.Series一维,带标签数据 2.DataFram ...
pandas 取excel 中的某一列_干货Python Pandas 做数据分析之玩转 Excel 报表分析
本篇文章选自作者在 GitChat 的分享,若有什么问题,可在公众号回复「小助手」添加小助手微信,邀请你进入技术交流群. 各位朋友大家好,非常荣幸和大家聊一聊用 Python Pandas 处理 Ex ...
上节Pandas学会了吗？那我可教你进阶啦~
Pandas世界来去自如:pandas的I/O 老生常谈,从基础来看,我们仍然关心的是pandas对于外部数据是如何交互的. 结构化数据输入输出 read_csv 与 to_csv 是一对输入输出工具 ...
pandas系列学习（六）：数据聚合
作者:chen_h 微信号 & QQ:862251340 微信公众号:coderpai pandas系列学习(一):pandas入门 pandas系列学习(二):Series pandas系列 ...
pandas使用dropna函数删除dataframe中列非缺失值的个数小于某一阈值的数据列
pandas使用dropna函数删除dataframe中列非缺失值的个数小于某一阈值的数据列(drop columns with non missing values less than a thre ...
pandas将dataframe中的特定数据列的内容转化为列表list数据（convert dataframe column values into a list）
pandas将dataframe中的特定数据列的内容转化为列表list数据(convert dataframe column values into a list) 目录 pandas将datafra ...

【Pandas总结】第六节 Pandas 添加列

文章目录

数据准备工作

一、直接赋值

二、用`df.apply()` 方法

三、用`df.assign()`方法

四、按条件分组后，分别赋值

【Pandas总结】第六节 Pandas 添加列相关推荐

最新文章

热门文章

【Pandas总结】第六节 Pandas 添加列

文章目录

数据准备工作

一、直接赋值

二、用df.apply() 方法

三、用df.assign()方法

四、按条件分组后，分别赋值

【Pandas总结】第六节 Pandas 添加列相关推荐

最新文章

热门文章

二、用`df.apply()` 方法

三、用`df.assign()`方法