pandas dataframe 新增单列和多列

喜欢ヅ旅行 2023-02-28 05:37 88阅读 0赞

dataframe 新增单列

assign方法

dataframe assign方法，返回一个新对象（副本），不影响旧dataframe对象

  1. import pandas as pd
  3.     df = pd.DataFrame({ 
  4.         'col_1': [0, 1, 2, 3],
  5.         'col_2': [4, 5, 6, 7]
  6.     })
  7.     sLength = len(df['col_1'])
  8.     df2 = df.assign(col_3=pd.Series([8, 9, 10, 11]).values)
  9.     print(df)
  10.     print(df2)

结果展示：

  1. col_1  col_2
  2. 0      0      4
  3. 1      1      5
  4. 2      2      6
  5. 3      3      7
  6.    col_1  col_2  col_3
  7. 0      0      4      8
  8. 1      1      5      9
  9. 2      2      6     10
  10. 3      3      7     11

简单的方法和insert方法

简单的方法df[‘col_3’] = pd.Series([8, 9, 10, 11])
insert方法 df.insert(loc=len(df.columns), column=“col_4”, value=[8, 9, 10, 11])
这种方式会对旧的dataframe新增列

  1. import pandas as pd
  3.     df = pd.DataFrame({ 
  4.         'col_1': [0, 1, 2, 3],
  5.         'col_2': [4, 5, 6, 7]
  6.     })
  8.     df['col_3'] = pd.Series([8, 9, 10, 11])
  9.     print(df)
  10.     df.insert(loc=len(df.columns), column="col_4", value=[8, 9, 10, 11])
  11.     print(df)

dataframe 新增多列

list unpacking

  1. import pandas as pd
  2.     import numpy as np
  4.     df = pd.DataFrame({ 
  5.         'col_1': [0, 1, 2, 3],
  6.         'col_2': [4, 5, 6, 7]
  7.     })
  9.     df['column_new_1'], df['column_new_2'], df['column_new_3'] = [np.nan, 'dogs', 3]
  10.     print(df)

结果展示：

  1. col_1  col_2  column_new_1 column_new_2  column_new_3
  2. 0      0      4           NaN         dogs             3
  3. 1      1      5           NaN         dogs             3
  4. 2      2      6           NaN         dogs             3
  5. 3      3      7           NaN         dogs             3

DataFrame也可以一行匹配

  1. df[['column_new_1', 'column_new_2', 'column_new_3']] = pd.DataFrame([[np.nan, 'dogs', 3]], index=df.index)

concat方法

  1. df = pd.concat(
  2.         [
  3.             df,
  4.             pd.DataFrame(
  5.                 [[np.nan, 'dogs', 3]],
  6.                 index=df.index,
  7.                 columns=['column_new_1', 'column_new_2', 'column_new_3']
  8.             )
  9.         ], axis=1
  10.     )

join方法

  1. df = df.join(pd.DataFrame(
  2.     [[np.nan, 'dogs', 3]], 
  3.     index=df.index, 
  4.     columns=['column_new_1', 'column_new_2', 'column_new_3']
  5. ))

join + 字典

  1. df = df.join(pd.DataFrame(
  2.     { 
  3.         'column_new_1': np.nan,
  4.         'column_new_2': 'dogs',
  5.         'column_new_3': 3
  6.     }, index=df.index
  7. ))

assign方法

  1. df = df.assign(column_new_1=np.nan, column_new_2='dogs', column_new_3=3)

土方法

  1. df['column_new_1'] = np.nan
  2.     df['column_new_2'] = 'dogs'
  3.     df['column_new_3'] = 3

发表评论

表情：
评论列表 （有 0 条评论，88人围观）

还没有评论，来说两句吧...

相关阅读