pandas 新增数据列(直接赋值、apply,assign、分条件赋值)
转自:# pandas新增数据列(直接赋值、apply、assign、分条件赋值)# pandas在进行数据分析时,经常需要按照一定条件创建新的数据列,然后进行进一步分析# 1 直接赋值# 2 df.apply方法# 3 df.assig方法# 4 按条件选择分组分别赋值import pandas as pd# 0 读取csv数据到dataframedf = pd.read_csv("beijin
文章共1,250字 · 阅读需要大约5分钟
一键AI生成摘要,助你高效阅读
问答
·
转自:https://www.cnblogs.com/spp666/p/11849071.html
# pandas新增数据列(直接赋值、apply、assign、分条件赋值)
# pandas在进行数据分析时,经常需要按照一定条件创建新的数据列,然后进行进一步分析
# 1 直接赋值
# 2 df.apply方法
# 3 df.assig方法
# 4 按条件选择分组分别赋值
import pandas as pd
# 0 读取csv数据到dataframe
df = pd.read_csv("beijing_tianqi_2018.csv")
print(df.head())
# 1 直接赋值的方法
# 实例:清理温度列,变成数字类型
# 替换掉温度的后缀
df.loc[:,'bWendu'] = df['bWendu'].str.replace("℃","").astype('int32')
df.loc[:,'yWendu'] = df['yWendu'].str.replace("℃","").astype('int32')
# 实例:计算温差
# 注意:df["bWendu"]其实是一个Series,后面的减法返回的是Series
df.loc[:,"wencha"] = df["bWendu"] - df["yWendu"]
print(df.head())
# 2 df.apply方法
# 实例:添加一列温度类型:
# 1 如果最高温度大于33度就是高温
# 2 如果最低温度低于-10度就是低温
# 3 否则就是常温
def get_wendu_type(x):
if x["bWendu"] > 33:
return "高温"
if x["yWendu"] < -10:
return "低温"
else:
return "常温"
# 注意需要设置axis ==1 ,这是series的index是columns
df.loc[:,"wendu_type"] = df.apply(get_wendu_type,axis=1)
# 查看温度类型的计数(高温、低温、常温各有多少天)
print(df["wendu_type"].value_counts())
# 3 df.assign方法
# 实例:将温度从摄氏度变成华氏度
# 可以同时添加多个新的列
df.assign(
yWendu_huashi = lambda x : x['yWendu']*9/5 +32,
bWendu_huashi = lambda x : x['bWendu']*9/5 +32
)
print(df['yWendu_huashi'])
# 4 按条件选择分组分别进行赋值
# 按条件选择数据,然后随这部分数据赋值新列
# 实例:高温温差大于10度,则认为温差大
# 先创建空列(这是第一种创建新列的方法)
df['wencha_type'] = ""
df.loc[df["bWendu"]-df["yWendu"] > 10,"wencha_type"] = "温差大"
df.loc[df["bWendu"]-df["yWendu"] <=10,"wencha_type"] = "温差正常"
df["wencha_type"].value_counts()
更多推荐
已为社区贡献9条内容
所有评论(0)