极客笔记Pandas中添加列的方法
在数据分析过程中，经常需要对数据集进行修改或增加新的信息。Pandas是Python编程语言中一个强大的数据处理库，它提供了多种方法来修改DataFrame，包括添加新列。本文将详细介绍如何在Pandas的DataFrame中添加列，包括不同的添加方法和场景，以及提供多个示例代码以供参考。
1. 直接赋值添加列
最直接的添加列的方法是通过赋值。如果指定的列名不存在，Pandas会创建一个新列；如果已存在，则会修改该列的内容。
示例代码1：使用直接赋值添加新列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 直接添加新列C
df['C'] = [7, 8, 9]
# 查看结果
print(df)
Output:
2. 使用.insert()方法添加列
使用.insert()方法可以在DataFrame中的指定位置插入一列。这个方法需要指定位置索引、列名和要插入的数据。
示例代码2：使用.insert()在指定位置添加列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用.insert()添加新列C到第0列的位置
df.insert(0, 'C', [7, 8, 9])
# 查看结果
print(df)
Output:
3. 使用.assign()方法添加列
.assign()方法可以同时添加多个新列，这个方法不会修改原始DataFrame，而是返回一个新的DataFrame。
示例代码3：使用.assign()添加新列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用.assign()添加新列C
new_df = df.assign(C=[7, 8, 9])
# 查看新的DataFrame
print(new_df)
Output:
4. 使用字典扩展法添加列
可以通过将一个字典赋值给DataFrame的新列名来添加列。字典的键将被用作行索引。
示例代码4：使用字典添加列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用字典添加新列C
df['C'] = pd.Series({0: 7, 2: 9})
# 查看结果
print(df)
Output:
5. 使用条件表达式添加列
可以根据DataFrame中的数据满足某些条件来创建新列。
示例代码5：根据条件添加新列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 添加新列C，如果列A的值大于1，则C的值为True，否则为False
df['C'] = df['A'] > 1
# 查看结果
print(df)
Output:
6. 使用np.where()添加列
np.where()是NumPy库中的函数，可以根据条件快速创建新列。
示例代码6：使用np.where()根据条件添加列
import pandas as pd
import numpy as np
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用np.where()添加新列C
df['C'] = np.where(df['A'] > 1, '大于1', '不大于1')
# 查看结果
print(df)
Output:
7. 使用apply()函数添加列
apply()函数可以对DataFrame中的数据应用一个函数，根据这个函数的返回值来创建新列。
示例代码7：使用apply()添加列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 定义一个简单的函数，如果输入大于1，则返回True，否则返回False
def greater_than_one(x):
return x > 1
# 使用apply()添加新列C
df['C'] = df['A'].apply(greater_than_one)
# 查看结果
print(df)
Output:
8. 使用map()函数添加列
map()函数可以对Series中的每个元素应用一个函数或字典。
示例代码8：使用map()添加列
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 使用map()添加新列C
df['C'] = df['A'].map({1: 'one', 2: 'two', 3: 'three'})
# 查看结果
print(df)
Output:
9. 使用concat()函数横向合并DataFrame
当我们有两个DataFrame并希望按列合并时，可以使用concat()函数。
示例代码9：使用concat()合并DataFrame
import pandas as pd
# 创建两个DataFrame
df1 = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
df2 = pd.DataFrame({
'C': [7, 8, 9],
'D': [10, 11, 12]
})
# 使用concat()横向合并这两个DataFrame
result = pd.concat([df1, df2], axis=1)
# 查看结果
print(result)
Output:
10. 使用merge()函数添加列
merge()函数可以根据一个或多个键将不同的DataFrame的列合并在一起。
示例代码10：使用merge()根据键合并DataFrame
import pandas as pd
# 创建两个DataFrame
df1 = pd.DataFrame({
'key': [1, 2, 3],
'A': [4, 5, 6]
})
df2 = pd.DataFrame({
'key': [1, 2, 3],
'B': [7, 8, 9]
})
# 使用merge()根据'key'合并这两个DataFrame
result = pd.merge(df1, df2, on='key')
# 查看结果
print(result)
Output:
以上是在Pandas中添加列的几种常见方法，每种方法都有其适用场景和特点。在实际的数据处理过程中，可以根据需要选择合适的方法来进行数据的整理和分析。