pandas append columns|极客教程

pandas append columns

在数据处理和分析中，经常需要对数据进行整合和重组。Pandas 是 Python 中一个非常强大的数据分析工具包，它提供了非常方便的数据操作接口。本文将详细介绍如何使用 Pandas 来添加列（append columns）到 DataFrame 中。我们将通过一系列的示例代码来展示不同的添加列的方法和技巧。

1. 使用 `assign` 方法添加列

assign 方法是 Pandas 中添加新列的一种非常直接的方式。它允许你快速地为 DataFrame 添加一个或多个新的列。

import pandas as pd

df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})
df = df.assign(C=lambda x: x['A'] * 2)
print(df)

Output:

pandas append columns

2. 直接使用列索引添加列

你也可以直接使用列索引来添加新列。如果指定的列名不存在，Pandas 将会创建一个新列。

import pandas as pd

df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})
df['C'] = df['A'] * 3
print(df)

Output:

pandas append columns

3. 使用 `concat` 函数横向合并数据

当你有两个或多个 DataFrame，并希望将它们按列合并时，可以使用 concat 函数。

import pandas as pd

df1 = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})
df2 = pd.DataFrame({
    'C': range(6, 11)
})
result = pd.concat([df1, df2], axis=1)
print(result)

Output:

pandas append columns

4. 使用 `merge` 方法按键合并

如果需要更复杂的合并逻辑，比如基于某些键进行合并，可以使用 merge 方法。

import pandas as pd

df1 = pd.DataFrame({
    'key': range(1, 6),
    'A': ['pandasdataframe.com' for _ in range(5)]
})
df2 = pd.DataFrame({
    'key': range(1, 6),
    'B': range(6, 11)
})
result = pd.merge(df1, df2, on='key')
print(result)

Output:

pandas append columns

5. 使用 `join` 方法添加列

join 是另一种基于索引合并 DataFrame 的方法。如果两个 DataFrame 有相同的索引，你可以很容易地将它们合并起来。

import pandas as pd

df1 = pd.DataFrame({
    'A': ['pandasdataframe.com' for _ in range(5)]
}, index=[1, 2, 3, 4, 5])
df2 = pd.DataFrame({
    'B': range(1, 6)
}, index=[1, 2, 3, 4, 5])
result = df1.join(df2)
print(result)

Output:

pandas append columns

6. 利用 `apply` 函数动态添加列

有时你可能需要根据 DataFrame 中的数据动态计算新列的值，这时可以使用 apply 函数。

import pandas as pd

df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})
df['C'] = df.apply(lambda row: row['A'] ** 2, axis=1)
print(df)

Output:

pandas append columns

7. 使用 `eval` 添加新的计算列

Pandas 的 eval 方法提供了一种表达式方式来创建新的列。

import pandas as pd

df = pd.DataFrame({
    'A': range(1, 6),
    'B': [10, 20, 30, 40, 50]
})
df.eval('C = A + B', inplace=True)
print(df)

Output:

pandas append columns

8. 使用 `insert` 方法在特定位置添加列

如果你需要在 DataFrame 的特定位置插入一列，可以使用 insert 方法。

import pandas as pd

df = pd.DataFrame({
    'A': range(1, 6),
    'C': ['pandasdataframe.com' for _ in range(5)]
})
df.insert(1, 'B', range(10, 15))
print(df)

Output:

pandas append columns

9. 使用字典扩展 DataFrame

你可以通过传递一个字典来一次性添加多个列。

import pandas as pd

df = pd.DataFrame({
    'A': range(1, 6)
})
new_columns = {
    'B': ['pandasdataframe.com' for _ in range(5)],
    'C': range(10, 15)
}
df = df.assign(**new_columns)
print(df)

Output:

pandas append columns

10. 使用 `pipe` 方法进行函数链式调用

pipe 方法允许你使用自定义函数来修改 DataFrame，这在添加列时非常有用。

import pandas as pd

def add_columns(df):
    df['B'] = range(1, 6)
    df['C'] = ['pandasdataframe.com' for _ in range(5)]
    return df

df = pd.DataFrame({
    'A': range(1, 6)
})
df = df.pipe(add_columns)
print(df)

Output:

pandas append columns