我有以下索引数据帧,其中有命名列和行不连续的数字:
a b c d
2 0.671399 0.101208 -0.181532 0.241273
3 0.446172 -0.243316 0.051767 1.577318
5 0.614758 0.075793 -0.451460 -0.012493
我想在现有数据框中添加一个新列 ,并且不想更改数据框中的任何内容(即,新列始终与数据框具有相同的长度)。'e'
0 -0.335485
1 -1.166658
2 -0.385571
dtype: float64
如何在上面的例子中添加列?e
网友回答:
这是添加新列的简单方法:df['e'] = e
网友回答:
我想在现有数据框中添加一个新列“e”,并且不更改数据框中的任何内容。(该系列始终具有与数据帧相同的长度。
我假设 中的索引值与 中的索引值匹配。e
df1
启动名为 的新列并为其分配系列中的值的最简单方法:e
e
df['e'] = e.values
分配 (熊猫 0.16.0+)
从 Pandas 0.16.0 开始,您还可以使用 ,它将新列分配给数据帧,并返回一个新对象(副本),其中包含除新列之外的所有原始列。assign
df1 = df1.assign(e=e.values)
根据此示例(其中还包括函数的源代码),您还可以包含多个列:assign
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
>>> df.assign(mean_a=df.a.mean(), mean_b=df.b.mean())
a b mean_a mean_b
0 1 3 1.5 3.5
1 2 4 1.5 3.5
在您的示例上下文中:
np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(10, 4), columns=['a', 'b', 'c', 'd'])
mask = df1.applymap(lambda x: x <-0.7)
df1 = df1[-mask.any(axis=1)]
sLength = len(df1['a'])
e = pd.Series(np.random.randn(sLength))
>>> df1
a b c d
0 1.764052 0.400157 0.978738 2.240893
2 -0.103219 0.410599 0.144044 1.454274
3 0.761038 0.121675 0.443863 0.333674
7 1.532779 1.469359 0.154947 0.378163
9 1.230291 1.202380 -0.387327 -0.302303
>>> e
0 -1.048553
1 -1.420018
2 -1.706270
3 1.950775
4 -0.509652
dtype: float64
df1 = df1.assign(e=e.values)
>>> df1
a b c d e
0 1.764052 0.400157 0.978738 2.240893 -1.048553
2 -0.103219 0.410599 0.144044 1.454274 -1.420018
3 0.761038 0.121675 0.443863 0.333674 -1.706270
7 1.532779 1.469359 0.154947 0.378163 1.950775
9 1.230291 1.202380 -0.387327 -0.302303 -0.509652
可以在此处找到首次引入此新功能时的描述。
网友回答:
编辑 2017
如注释和@Alexander所示,目前将系列的值添加为数据帧的新列的最佳方法是使用分配
:
df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)
编辑 2015
有些人报告使用此代码。
但是,代码仍然可以在当前的 pandas 版本 0.16.1 中完美运行。SettingWithCopyWarning
>>> sLength = len(df1['a'])
>>> df1
a b c d
6 -0.269221 -0.026476 0.997517 1.294385
8 0.917438 0.847941 0.034235 -0.448948
>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
a b c d e
6 -0.269221 -0.026476 0.997517 1.294385 1.757167
8 0.917438 0.847941 0.034235 -0.448948 2.228131
>>> pd.version.short_version
'0.16.1'
旨在通知数据帧副本上可能无效的分配。它不一定说你做错了(它可能会触发误报),但从 0.13.0 开始,它让你知道有更合适的方法用于相同的目的。然后,如果您收到警告,只需遵循其建议:尝试使用 .loc[row_index,col_indexer] = 值SettingWithCopyWarning
>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
a b c d e f
6 -0.269221 -0.026476 0.997517 1.294385 1.757167 -0.050927
8 0.917438 0.847941 0.034235 -0.448948 2.228131 0.006109
>>>
事实上,这是目前更有效的方法,如熊猫文档中所述
原答案:
使用原始 df1 索引创建系列:
df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
模板简介:该模板名称为【如何将新列添加到现有数据帧?】,大小是暂无信息,文档格式为.编程语言,推荐使用Sublime/Dreamweaver/HBuilder打开,作品中的图片,文字等数据均可修改,图片请在作品中选中图片替换即可,文字修改直接点击文字修改即可,您也可以新增或修改作品中的内容,该模板来自用户分享,如有侵权行为请联系网站客服处理。欢迎来懒人模板【Python】栏目查找您需要的精美模板。