pandas增加列的七种方法总结
insert
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
df.insert(0, 'A1', ['A00', 'A01', 'A02'])
print(df)
输出：
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A0 A B
1.0 A00 A0 B0
2.0 A01 A1 B1
3.0 A02 A2 B2
赋值
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
print(df)
df["C"] = ['C0', 'C1', 'C2']
print(df)
或
df['C'] = df['A'].str.replace("A", "C")
df['C'] = df['A'].map(lambda x: x.replace('A', 'C'))
输出：
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A B C
1.0 A0 B0 C0
2.0 A1 B1 C1
3.0 A2 B2 C2
loc
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
print(df)
df.loc[:, "C"] = ['C0', 'C1', 'C2']
print(df)
输出：
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A B C
1.0 A0 B0 C0
2.0 A1 B1 C1
3.0 A2 B2 C2
类似上面的。
concat
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
df1 = pandas.Series(['C0', 'C1', 'C2'], index=[1.0, 2.0, 3.0])
print(df)
df = pandas.concat([df, df1], axis=1)
print(df)
apply、map
map
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
print(df)
df['C'] = df['A'].map(lambda x: x.replace('A', 'C'))
print(df)
结果
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A B C
1.0 A0 B0 C0
2.0 A1 B1 C1
3.0 A2 B2 C2
apply
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
print(df)
df['C'] = df.apply(lambda x, s1, s2: x[s1]+x[s2], args=('A', 'B'), axis=1)
print(df)
输出：
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A B C
1.0 A0 B0 A0B0
2.0 A1 B1 A1B1
3.0 A2 B2 A2B2
reindex
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
print(df)
df = df.reindex(columns=df.columns.tolist()+['C'], fill_value=1)
print(df)
输出：
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A B C
1.0 A0 B0 1
2.0 A1 B1 1
3.0 A2 B2 1
assign
def test1():
df = pandas.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=[1.0, 2.0, 3.0])
print(df)
df = df.assign(C=df["A"]+df['B'], D=df["B"]+df['A'])
print(df)
结果：
A B
1.0 A0 B0
2.0 A1 B1
3.0 A2 B2
A B C D
1.0 A0 B0 A0B0 B0A0
2.0 A1 B1 A1B1 B1A1
3.0 A2 B2 A2B2 B2A2
到此这篇关于pandas增加列的七种方法总结的文章就介绍到这了,更多相关pandas增加列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python模块/包/库安装六种方法，通过实例代码给大家介绍了python中模块、包、库的区别和使用，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2020-02-02
要了解jinja2,那么需要先理解模板的概念。模板在Python的web开发中广泛使用，它能够有效的将业务逻辑和页面逻辑分开，使代码可读性增强，并且更加容易理解和维护。模板简单来说就是一个其中包含占位变量表示动态部分的文，模板文件在经过动态赋值后，返回给用户2023-03-03
今天小编就为大家分享一篇TensorFlow:将ckpt文件固化成pb文件教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
Python中numpy的np.percentile百分位函数举例详解
在python中计算一个多维数组的任意百分比分位数,此处的百分位是从小到大排列,只需用np.percentile即可,这篇文章主要给大家介绍了关于Python中numpy的np.percentile百分位函数的相关资料,需要的朋友可以参考下2024-08-08
这篇文章主要为大家介绍了python深度学习tensorflow安装调试教程示例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-06-06
下面小编就为大家带来一篇Django基础之Model操作步骤(介绍)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-05-05
这篇文章主要介绍了python制作最美应用的爬虫的相关资料,需要的朋友可以参考下2015-10-10
这篇文章主要为大家详细介绍了python中使用正则表达式的方法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-03-03
本文主要介绍了Python数据库编程中pymysql，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-05-05
这篇文章主要介绍了如何使用 Python 和 wxPython 库创建一个简单的图形用户界面（GUI）应用程序,用于对 PDF 文件进行加密,感兴趣的小伙伴可以了解下2023-08-08
最新评论