pandas增加列的七种方法总结

目录

• insert
• 赋值
• loc
• concat
• apply、map
• map
• apply
• reindex
• assign

insert

def test1():
android    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)

输出编程：

      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']},
                 js         index=[1.0, 2.0, 3.0])
    print(df)
    df['C'] = df['A'].map(lambda x: x.replace('A', 'C'))
    print(df)VEjsbW

结果

      A   B

1.0  A0  B0

2.0  A1  B1

3.0  A2  B2

      A   B   C

1.0  A0 &nbs编程客栈p;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增加列内容请搜索编程客栈(www.devze.com)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编程客栈(www.devze.com)！