Pandas深入浅出

4.Pandas新增数据列

---

前言

不知道怎么搞的，我放在CSDN上免费下载的资源，平台竟然给附加了积分的要求。我用百度网盘分享一下：
链接：https://pan.baidu.com/s/1njABjnXK9iIapwpdv9CaCA
提取码：6666

笔者最近正在学习Pandas数据分析，将自己的学习笔记做成一套系列文章。本节主要记录Pandas的新增数据列方法，如apply方法。
在进行数据分析的时候，经常需要按照一定条件创建新的数据列，然后进一步进行分析

---

一、直接赋值

import pandas as pd
fpath="./datas/600033.csv"
df=pd.read_csv(fpath)
df.head()

#其实，df["new_col"]就是一个Series，后面的减法返回的是Series
df.loc[:,"new_col"]=df["open"]-df["low"]
df.head()

二、df.apply方法

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.apply.html
Apply a function along an axis of the DataFrame.

Objects passed to the function are Series objects whose index is either the DataFrame’s index (axis=0) 
or the DataFrame’s columns (axis=1). By default (result_type=None), the final return type is inferred from 
the return type of the applied function. Otherwise, it depends on the result_type argument.

用人话说就是在apply()参数中函数的参数来说，如果axis=0表示索引就是index，axis=1表示索引就是column

def get_type(x):
    if x["high"]>2.60:
        return "高价"
    if x["low"]<2.4:
        return "低价"
    return "正常"

#注意需要设置axis=1，这是series的index是columns
df.loc[:,"price_type"]=df.apply(get_type,axis=1)
#本方法可以统计各个值的情况
df["price_type"].value_counts()

三、df.assign方法

官网： https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.assign.html

Assign new columns to a DataFrame.

Returns a new object with all original columns in addition to new ones. Existing columns that are re-assigned will be overwritten.

该方法是返回新的对象，对于原来的df不会做修改
可以同时添加多个新的列

df.assign(
        new_col1=lambda x:x["high"]*5+2,
        new_col2=lambda x:x["low"]*2+4
)

四、按条件选择分组分别进行赋值

df['new_col3']='嘻嘻~'
df.loc[df["high"]-df['low']<=0.05,'new_col3']="差距小"
df.loc[df["high"]-df['low']>=0.20,'new_col3']="差距大"
df['new_col3'].value_counts()

总结

这就是pandas增加新的列的基本用法了，希望可以帮助到你。