我有以下索引DataFrame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
我想添加一个新列，'e'，到现有的数据帧，并不想改变数据帧中的任何东西(即，新列始终具有与DataFrame相同的长度)。
0 -0.335485
1 -1.166658
2 -0.385571
dtype: float64
如何将列e添加到上面的例子中?
当前回答
为了完整起见-使用DataFrame.eval()方法的另一个解决方案:
数据:
In [44]: e
Out[44]:
0 1.225506
1 -1.033944
2 -0.498953
3 -0.373332
4 0.615030
5 -0.622436
dtype: float64
In [45]: df1
Out[45]:
a b c d
0 -0.634222 -0.103264 0.745069 0.801288
4 0.782387 -0.090279 0.757662 -0.602408
5 -0.117456 2.124496 1.057301 0.765466
7 0.767532 0.104304 -0.586850 1.051297
8 -0.103272 0.958334 1.163092 1.182315
9 -0.616254 0.296678 -0.112027 0.679112
解决方案:
In [46]: df1.eval("e = @e.values", inplace=True)
In [47]: df1
Out[47]:
a b c d e
0 -0.634222 -0.103264 0.745069 0.801288 1.225506
4 0.782387 -0.090279 0.757662 -0.602408 -1.033944
5 -0.117456 2.124496 1.057301 0.765466 -0.498953
7 0.767532 0.104304 -0.586850 1.051297 -0.373332
8 -0.103272 0.958334 1.163092 1.182315 0.615030
9 -0.616254 0.296678 -0.112027 0.679112 -0.622436
其他回答
这是向pandas数据框架添加新列的特殊情况。在这里，我基于数据框架的现有列数据添加了一个新特性/列。
因此，让我们的dataFrame有列'feature_1'， 'feature_2'， 'probability_score'，我们必须根据'probability_score'列中的数据添加一个new_column 'predicted_class'。
我将使用来自python的map()函数，并定义一个我自己的函数，该函数将实现如何给dataFrame中的每一行一个特定的class_label的逻辑。
data = pd.read_csv('data.csv')
def myFunction(x):
//implement your logic here
if so and so:
return a
return b
variable_1 = data['probability_score']
predicted_class = variable_1.map(myFunction)
data['predicted_class'] = predicted_class
// check dataFrame, new column is included based on an existing column data for each row
data.head()
你可以像这样通过for循环插入新列:
for label,row in your_dframe.iterrows():
your_dframe.loc[label,"new_column_length"]=len(row["any_of_column_in_your_dframe"])
示例代码如下:
import pandas as pd
data = {
"any_of_column_in_your_dframe" : ["ersingulbahar","yagiz","TS"],
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
#load data into a DataFrame object:
your_dframe = pd.DataFrame(data)
for label,row in your_dframe.iterrows():
your_dframe.loc[label,"new_column_length"]=len(row["any_of_column_in_your_dframe"])
print(your_dframe)
输出如下:
| any_of_column_in_your_dframe | calories | duration | new_column_length |
|---|---|---|---|
| ersingulbahar | 420 | 50 | 13.0 |
| yagiz | 380 | 40 | 5.0 |
| TS | 390 | 45 | 2.0 |
你也可以这样用:
your_dframe["new_column_length"]=your_dframe["any_of_column_in_your_dframe"].apply(len)
直接通过NumPy这样做将是最有效的:
df1['e'] = np.random.randn(sLength)
注意我最初(非常老)的建议是使用map(这要慢得多):
df1['e'] = df1['a'].map(lambda x: np.random.random())
编辑2017
正如@Alexander在评论中所指出的，目前将Series的值添加为DataFrame的新列的最好方法是使用assign:
df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)
编辑2015 有些人报告说用这段代码得到了SettingWithCopyWarning。 但是，该代码仍然可以在当前的pandas版本0.16.1中完美运行。
>>> 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'
SettingWithCopyWarning的目的是通知数据帧副本上可能存在的无效赋值。它不一定会说你做错了(它可能会触发假阳性)，但从0.13.0开始，它会让你知道有更多适合相同目的的方法。然后，如果您得到警告，只需遵循它的建议:尝试使用.loc[row_index,col_indexer] = value代替
>>> 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，这是目前熊猫文档中描述的更有效的方法
最初的回答:
使用原始的df1索引创建系列:
df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
我正在寻找一种添加numpy列的通用方法。nans到一个数据帧而不得到愚蠢的SettingWithCopyWarning。
从以下方面:
答案在这里 关于将变量作为关键字参数传递的问题 此方法用于生成一个numpy数组的NaNs
我想到了这个:
col = 'column_name'
df = df.assign(**{col:numpy.full(len(df), numpy.nan)})
