图解Pandas的assign函数

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

本文介绍的是Pandas库中一个非常有用的函数:assign

在我们处理数据的时候,有时需要根据某个列进行计算得到一个新列,以便后续使用,相当于是根据已知列得到新的列,这个时候assign函数非常方便。下面通过实例来说明函数的的用法。

Pandas文章

本文是Pandas文章连载系列的第21篇,主要分为3类:

基础部分:1-16篇,主要是介绍Pandas中基础和常用操作,比如数据创建、检索查询、排名排序、缺失值/重复值处理等常见的数据处理操作

进阶部分:第17篇开始讲解Pandas中的高级操作方法

对比SQL,学习Pandas:将SQL和Pandas的操作对比起来进行学习

image

参数

assign函数的参数只有一个:DataFrame.assign(**kwargs)。

**kwargs: dict of {str: callable or Series}

关于参数的几点说明:

  • 列名是关键字keywords
  • 如果列名是可调用的,那么它们将在DataFrame上计算并分配给新的列
  • 如果列名是不可调用的(例如:Series、标量scalar或者数组array),则直接进行分配

最后,这个函数的返回值是一个新的DataFrame数据框,包含所有现有列和新生成的列

导入库

import pandas as pd
import numpy as np
# 模拟数据

df = pd.DataFrame({
  "col1":[12, 16, 18],
  "col2":["xiaoming","peter", "mike"]})

df



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

实例

当值是可调用的,我们直接在数据框上进行计算:

方式1:直接调用数据框

# 方式1:数据框df上调用
# 使用数据框df的col1属性,生成col3

df.assign(col3=lambda x: x.col1 / 2 + 20)  































col1 col2 col3
0 12 xiaoming 26.0
1 16 peter 28.0
2 18 mike 29.0

我们可以查看原来的df,发现它是不变的

df  # 原数据框不变的



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

操作字符串类型的数据:

df.assign(col3=df["col2"].str.upper())
image

方式2:调用Series数据

可以通过直接引用现有的Series或序列来实现相同的行为:

# 方式2:调用现有的Series来计算

df.assign(col4=df["col1"] * 3 / 4 + 25)
image
df  # 原数据不变



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

在Python3.6+中,我们可以在同一个赋值中创建多个列,并且其中一个列还可以依赖于同一个赋值中定义的另一列,也就是中间生成的新列可以直接使用

df.assign(
    col5=lambda x: x["col1"] / 2 + 10,         
    col6=lambda x: x["col5"] * 5,  # 在col6计算中直接使用col5        
    col7=lambda x: x.col2.str.upper(),         
    col8=lambda x: x.col7.str.title()  # col8中使用col7
)
image
df   # 原数据不变



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

如果我们重新分配的是一个现有的列,那么这个现有列的值将会被覆盖:

df.assign(col1=df["col1"] / 2)  # col1直接被覆盖



























col1 col2
0 6.0 xiaoming
1 8.0 peter
2 9.0 mike

对比apply函数

我们在pandas中同样可以使用apply函数来实现

df  # 原数据



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

生成一个副本,我们直接在副本上操作:

df1 = df.copy()  # 生成副本,直接在副本上操作
df2 = df.copy()

df1



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

df1.assign(col3=lambda x: x.col1 / 2 + 20)  































col1 col2 col3
0 12 xiaoming 26.0
1 16 peter 28.0
2 18 mike 29.0

df1  # df1保持不变



























col1 col2
0 12 xiaoming
1 16 peter
2 18 mike

df1["col3"] = df1["col1"].apply(lambda x:x / 2 + 20)

df1  # df1已经发生了变化































col1 col2 col3
0 12 xiaoming 26.0
1 16 peter 28.0
2 18 mike 29.0

我们发现:通过assign函数的操作,原数据是不变的,但是通过apply操作的数据已经变化了

BMI

最后在模拟一份数据,计算每个人的BMI。

身体质量指数,是BMI指数,简称体质指数,是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。

其中:体重单位是kg,身高单位是m

df2 = pd.DataFrame({
    "name":["xiaoming","xiaohong","xiaosu"],
    "weight":[78,65,87],
    "height":[1.82,1.75,1.89]
})

df2































name weight height
0 xiaoming 78 1.82
1 xiaohong 65 1.75
2 xiaosu 87 1.89

# 使用assign函数实现

df2.assign(BMI=df2["weight"] / (df2["height"] ** 2))
image
df2 # 不变































name weight height
0 xiaoming 78 1.82
1 xiaohong 65 1.75
2 xiaosu 87 1.89

df2["BMI"] = df2["weight"] / (df2["height"] ** 2)

df2  # df2生成了一个新的列:BMI
image

总结

通过上面的例子,我们发现:

  1. 使用assign函数生成的DataFrame是不会改变原来的数据,这个DataFrame是新的
  2. assign函数能够同时操作多个列名,并且中间生成的列名能够直接使用
  3. assign和apply的主要区别在于:前者不改变原数据,apply函数是在原数据的基础上添加新列

你可能感兴趣的:(图解Pandas的assign函数)