[Pandas基础] Pandas 新增数据列

在用pandas处理数据时，经常需要按照一定条件来创建写的数据列，然后进一步分析。

下面 四种方法常用于新增数据列：

   1）直接赋值

   2）df.apply方法

   3)  df.assign方法

   4)  按照条件分组分别赋值

1.直接赋值的方法

代码演示：

#实例 计算 天气预报的温差
import pandas as pd
fpath="../datas/weather_20230115134249.csv"
df = pd.read_csv(fpath)
df.head()
# 替换掉温度的后缀℃
df.loc[:,"气温(度)"] = df["气温(度)"].str.replace("℃","").astype("float")
# 注意，df["气温(度)"]其实是一个Series，后面的减法返回的是Series
df.loc[:,"wencha"]=df["气温(度)"]-2
df.head()

运行结果：

---

2.使用df.apply()方法

实例：添加一列温度类型：
* 如果最高温度大于33度就是高温
* 低于-5度就是低温
* 否则就是常温

代码演示：

def get_wendu_type(x):
    if x["气温(度)"] > 33:
        return '高温'
    if x["气温(度)"] < -10:
        return '低温'
    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
df["wendu_type"].value_counts()

运行结果：

---

3.使用df.assign方法

实例：将温度从摄氏度变成华氏度

代码演示：

# 可以同事添加多个新的列
df.assign(
    #摄氏度转华氏度
    tem_huashi = lambda x : x["气温(度)"] * 9 / 5 + 32 #运用了lambda 函数
)

运行结果：

---

4.按照条件选择分组分别赋值

实例：温度减去10度小于15度，则认为温差大

代码演示：

# 先创建空列（这是第一种创建新列的方法）
df['wencha_type']=''
df.loc[df["气温(度)"]-10 < 15,"wencha_type"]="温差大" #根据条件 在已创建的列中添加数值
df.loc[df["气温(度)"]-10 >= 15,"wencha_type"]="温差正常"
df["wencha_type"].value_counts()

运行结果：

---

本章结束，谢谢大家阅读！

希望大家多多点赞收藏！