Pandas 在Pandas中为多列赋值

在本文中，我们将介绍如何使用Pandas将值分配给多列。Pandas是一个强大的数据分析工具，它提供了许多方便的方法来处理和操作数据。其中一个常见的任务是将特定值或计算结果分配给一列或多列，本文将详细介绍这个过程。

Pandas的`assign()`方法

Pandas提供了一个方便的assign()方法，该方法可以用于将新的一列或多列添加到DataFrame，并为它们分配特定的值或计算结果。

下面是一个示例，演示如何使用assign()方法为多列赋值：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 使用assign()方法为新列D和E分配特定值
df = df.assign(D=[10, 20, 30], E=[40, 50, 60])

print(df)

输出结果如下：

   A  B  C   D   E
0  1  4  7  10  40
1  2  5  8  20  50
2  3  6  9  30  60

在上面的示例中，我们首先创建一个包含三列（A，B，C）的DataFrame。然后，我们使用assign()方法为新的两列（D，E）分配了特定的值。最后，我们打印了DataFrame的内容，以验证新的列是否正确添加并分配了正确的值。

使用 lambda 函数分配计算结果

除了分配特定的值之外，我们还可以使用lambda函数将计算结果分配给多列。这在需要根据其他列的值进行计算的情况下特别有用。

下面是一个示例，演示如何使用lambda函数为多列赋值：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 使用assign()方法和lambda函数为新列C和D分配计算结果
df = df.assign(C=lambda x: x['A'] + x['B'], D=lambda x: x['A'] * x['B'])

print(df)

输出结果如下：

   A  B  C   D
0  1  4  5   4
1  2  5  7  10
2  3  6  9  18

在上面的示例中，我们使用lambda函数定义了两个计算结果，分别是A列和B列之和，以及A列和B列的乘积。然后，我们使用assign()方法将这两个计算结果分配给了新的C列和D列。最后，我们打印了DataFrame的内容，以验证计算结果是否正确分配给了相应的列。

使用`apply()`方法分配计算结果

除了使用lambda函数，我们还可以使用apply()方法将计算结果分配给多列。apply()方法可用于在DataFrame的每一行上进行操作，并返回一个包含计算结果的Series。

下面是一个示例，演示如何使用apply()方法为多列赋值：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 定义一个函数，用于计算每一行A列和B列的和和乘积
def calculate_values(row):
    return pd.Series([row['A'] + row['B'], row['A'] * row['B']], index=['C', 'D'])

# 使用apply()方法为新列C和D分配计算结果：
df[['C', 'D']] = df.apply(calculate_values, axis=1)

print(df)

输出结果如下：

   A  B  C   D
0  1  4  5   4
1  2  5  7  10
2  3  6  9  18

在上面的示例中，我们首先定义了一个函数calculate_values()，该函数用于根据每一行的A列和B列的值计算C列和D列的值，并使用Series返回计算结果。然后，我们使用apply()方法将这个函数应用于DataFrame的每一行，并将计算结果分配给了新的C列和D列。最后，我们打印了DataFrame的内容，以验证计算结果是否正确分配给了相应的列。