pandas 新增数据列

1. 直接赋值
2. df.apply
3. df.assign
4. 按条件选择分组分别赋值

import pandas as pd

fpath = "../datas/beijing_tianqi/beijing_tianqi_2018.csv"
df =pd.read_csv(fpath)

df.head()

1.直接赋值

实例：清理温度列，变成数字类型

df.loc[:,"bWendu"] = df["bWendu"].str.replace("℃","").astype("int32")
df.loc[:,"yWendu"] = df["yWendu"].str.replace("℃","").astype("int32")

实例：计算温差-加列

#注意，df["bWendu"] 其实就是一个Series，后面的减法返回的是Series
df.loc[:,"wencha"] = df["bWendu"] - df["yWendu"]

df.head()

2. df.apply方法

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=O) or the DataFrame's columns (axis=1).

**apply就是设置axis等于0还是1，来决定是循环一行还是一列

实例:添加一列温度类型:

1. 如果最高温度大于33度就是高温
2. 低于-10度是低温
3. 否则是常温

df.apply()#因为.apply是遍历整个dataframe，x相当于每次需要计算的一行或一列，
x[index]是一个数，可以进行判断，一行（沿列从上到下进行计算，axis=1）还是一列由axis决定df，默认可以不用写

 def get_wendu_type(x):  #x就是遍历dataframe的每一行也就是一个series，默认传入的是df
        if x["bWendu"]>33:
            return "高温"
        if x["yWendu"]<-10:
            return "低温"
        return "常温"
# 注意需要设置axis == 1，这是series的index还是columns
df.loc[:,"wendu_type"] = df.apply(get_wendu_type,axis=1)
df

# 查看温度类型的计数
df.loc[:,"wendu_type"].value_counts()

常温    328
高温     29
低温      8
Name: wendu_type, dtype: int64

3.df.assign方法

Assign new columns to a DataFrame.

Returns a new object with all original columns in addition to new ones.

实例：将温度从摄氏度变成华摄氏度

可以同时添加多个新的列

df.assign(
    yWendu_huashi = lambda x : x["yWendu"] * 9 /5 + 32,
    # 摄氏度转华氏度
    bWendu_huashi = lambda x :x["bWendu"] * 9 /5 + 32
)

4. 按条件选择分组分别赋值

按条件先选择数据，然后对这部分数据赋值新列

实例:高低温差大于10度，则认为温差大

# 先创建空列 （这是第一中创建新列的方法）
df ["wencha_type"] =""
df.loc[df["bWendu"]-df["yWendu"]>10,"wencha_type"] = "温差大"
df.loc[df["bWendu"]-df["yWendu"]<=10,"wencha_type"] = "温度正常"

df["wencha_type"].value_counts()

温度正常    187
温差大     178
Name: wencha_type, dtype: int64