Как добавить колонку в pandas? Узнайте простой способ с помощью эмодзи! 🐼📊

Чтобы добавить колонку в pandas, вы можете использовать метод assign() или обратиться к колонке по имени и присвоить ей новое значение.

import pandas as pd

# создаем DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# добавляем новую колонку с помощью assign()
df = df.assign(C=[7, 8, 9])

# или присваиваем новое значение существующей колонке
df['D'] = [10, 11, 12]

print(df)

Как добавить колонку в pandas

В библиотеке pandas, добавление новой колонки в DataFrame предоставляет возможность расширения и обогащения данных. В следующем объяснении я покажу вам, как добавить новую колонку в pandas DataFrame с использованием примеров кода.

Метод №1: Присвоение значения существующей колонке

Если у вас уже есть существующая колонка в DataFrame, вы можете использовать присвоение значений, чтобы добавить новую колонку на основе существующих данных.

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'Name': ['John', 'Mike', 'Sarah'],
                   'Age': [25, 30, 35]})

# Добавляем новую колонку "Gender" на основе существующей колонки "Age"
df['Gender'] = ['Male', 'Male', 'Female']

print(df)
    

В приведенном примере мы создали DataFrame с колонками "Name" и "Age". Затем мы добавили новую колонку "Gender" на основе существующей колонки "Age".

Метод №2: Использование выражений для вычисления значений

Вы также можете использовать выражения для вычисления значений новой колонки на основе существующих колонок. В pandas это можно сделать с помощью метода `eval()` или операций над Series.

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'Name': ['John', 'Mike', 'Sarah'],
                   'Age': [25, 30, 35]})

# Добавляем новую колонку "IsAdult" на основе колонки "Age" с помощью `eval()`
df.eval('IsAdult = Age >= 18', inplace=True)

print(df)
    

В приведенном примере мы использовали метод `eval()` для добавления новой колонки "IsAdult" на основе условия, что значение в колонке "Age" больше или равно 18.

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'Name': ['John', 'Mike', 'Sarah'],
                   'Age': [25, 30, 35]})

# Добавляем новую колонку "IsAdult" на основе колонки "Age" с использованием операций над Series
df['IsAdult'] = df['Age'] >= 18

print(df)
    

В этом примере мы использовали операции над Series для добавления новой колонки "IsAdult" на основе условия, что значение в колонке "Age" больше или равно 18. Результатом будет новая колонка, содержащая булевые значения True или False.

Метод №3: Использование функции для вычисления значений

Если вам требуется более сложная логика для вычисления значений новой колонки, вы можете использовать функции. В pandas это можно сделать с помощью метода `apply()`.

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'Name': ['John', 'Mike', 'Sarah'],
                   'Age': [25, 30, 35]})

# Создаем функцию для вычисления значения новой колонки "Group"
def assign_group(age):
    if age < 30:
        return 'Young'
    else:
        return 'Adult'

# Добавляем новую колонку "Group" на основе функции
df['Group'] = df['Age'].apply(assign_group)

print(df)
    

В этом примере мы создали функцию `assign_group()`, которая принимает возраст и возвращает категорию "Young" или "Adult" в зависимости от значения возраста. Затем мы использовали метод `apply()` для применения этой функции к каждому значению в колонке "Age" и добавили результаты в новую колонку "Group".

Заключение

Добавление новой колонки в pandas DataFrame может быть произведено несколькими способами, в зависимости от требуемой логики и исходных данных. В данной статье я показал вам три основных метода: использование присвоения значений, выражений для вычисления и функций. Вы можете выбрать подход, который лучше всего подходит для вашей конкретной задачи.