🔧 Как создать новый столбец в pandas // Руководство по добавлению нового столбца в pandas

Чтобы создать новый столбец в Pandas, вы можете использовать атрибут df['имя столбца'] и присвоить ему значение или выражение.

import pandas as pd

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

# Создаем новый столбец 'C' и присваиваем значение
df['C'] = 7

# Создаем новый столбец 'D' и присваиваем выражение
df['D'] = df['A'] + df['B']

# Выводим результаты
print(df)

В примере выше создаются два новых столбца 'C' и 'D'. Столбец 'C' получает значение 7, а столбец 'D' получает сумму значений столбцов 'A' и 'B'.

Как создать новый столбец в pandas

В программировании и анализе данных, библиотека pandas для Python предоставляет удобные инструменты для работы с таблицами и структурированными данными. Один из часто используемых задач - создание новых столбцов в существующих таблицах. В этой статье мы рассмотрим, как создать новый столбец в pandas с использованием простых примеров кода.

Импорт библиотеки pandas

Прежде чем мы начнем создание новых столбцов, нам необходимо импортировать библиотеку pandas в наш проект. Это можно сделать с помощью следующей строки кода:

import pandas as pd

Создание DataFrame

Прежде чем добавить новый столбец, нам необходимо иметь DataFrame - структуру данных, предоставляемую библиотекой pandas для работы с таблицами. Мы можем создать DataFrame из разных источников данных, таких как CSV-файлы, базы данных или даже другие структуры данных в Python.

В следующем примере мы создадим простой DataFrame с двумя столбцами - "Name" и "Age":

data = {'Name': ['John', 'Emma', 'Alex'],
        'Age': [25, 30, 35]}

df = pd.DataFrame(data)
print(df)

В результате выполнения этого кода мы получим следующий DataFrame:

``` Name Age 0 John 25 1 Emma 30 2 Alex 35 ```

Создание нового столбца

Теперь, когда у нас есть DataFrame, мы можем приступить к созданию нового столбца. Для этого мы просто используем имя столбца и назначаем ему значение.

В следующем примере мы создадим столбец "Gender" и присвоим ему значения "Male", "Female", "Male" для каждой строки в DataFrame:

df['Gender'] = ['Male', 'Female', 'Male']
print(df)

Результат выполнения этого кода будет следующим:

``` Name Age Gender 0 John 25 Male 1 Emma 30 Female 2 Alex 35 Male ```

Вы можете видеть, что новый столбец "Gender" был успешно добавлен к нашему DataFrame.

Применение функции к столбцу

Кроме простого присвоения значений, мы также можем применить функцию к столбцу DataFrame и использовать полученные значения для создания нового столбца.

В следующем примере мы создадим новый столбец "Age Group", который будет отражать возрастную группу на основе значения столбца "Age" в нашем DataFrame:

def assign_age_group(age):
    if age < 30:
        return 'Young'
    else:
        return 'Adult'

df['Age Group'] = df['Age'].apply(assign_age_group)
print(df)

Результат выполнения этого кода будет следующим:

``` Name Age Gender Age Group 0 John 25 Male Young 1 Emma 30 Female Adult 2 Alex 35 Male Adult ```

Мы создали новый столбец "Age Group" на основе значения столбца "Age" с помощью функции `assign_age_group`. Значения в новом столбце определяются возрастной группой каждого человека в DataFrame.

Заключение

В этой статье мы рассмотрели, как создавать новые столбцы в pandas. Мы начали с создания DataFrame, затем добавили новые столбцы с помощью простого присвоения значений и применения функций к существующим столбцам. Эти базовые навыки помогут вам эффективно работать с данными в pandas и выполнять различные манипуляции с таблицами.