В этом руководстве по Python мы рассмотрим максимально возможные методы добавить или добавить новый столбец в существующий Pandas DataFrames. В конце этого руководства мы получим четкое представление о том, как добавить новые столбцы в существующие Pandas DataFrames в Python.
Существуют различные способы добавления или добавления новых столбцов в кадр данных Pandas, например:
- Добавьте или добавьте новый столбец в существующий Pandas DataFrame, используя Список метод
- Добавьте или добавьте новый столбец в существующий Pandas DataFrame, используя назначать() метод
- Добавьте или добавьте новый столбец в существующий Pandas DataFrame, используя вставлять() метод
- Добавьте или добавьте новый столбец в существующий Pandas DataFrame, используя pd.Серия() метод
- Добавьте или добавьте новый столбец в существующий Pandas DataFrame, используя pd.контакт() метод
Кроме того, я покажу вам, как добавить или добавить новый столбец с нулевыми значениями в существующий Pandas DataFrame в Питоне.
А также, мы увидим, как добавить или добавить постоянное значение в новый столбец в существующий Pandas DataFrame в Питоне.
Pandas добавляет новый столбец в существующий DataFrame
Pandas DataFrame — это таблица, в которой мы можем хранить наши данные в виде строк и столбцов. Мы даже можем добавить новые столбцы в существующие Pandas DataFrames в Python.
Чтобы погрузиться в примеры, нам нужно создать DataFrame с помощью pandas.
Создайте DataFrame, используя Pandas в Python
Давайте создадим наш собственный Pandas DataFrame с несколькими строками, чтобы мы могли дополнительно добавить дополнительные столбцы к существующим Pandas DataFrames в Python.
- Здесь мы создали словарь на Python данных о сотрудниках, в котором есть имена сотрудников, опыт и роли сотрудников из разных организаций.
- Позже он передается в «pandas.DataFrame”, чтобы преобразовать его во фрейм данных или таблицу, т. е. в виде строк и столбцов.
#Importing the necessary libraries
import numpy as np
import pandas as pd
#Create a dictionary which has employee names, their experience, company and roles
data_dict={"Names":["Kelvin", "John", "smith", "Robin","Williams","Nick","Anyy","Messi","Jonas","Xavier"],
"Experience":[13,7,np.nan,9,0,12,21,3,9,17],
"Company": ["Google","Amazon","Google","Flipkart","Amazon","Google","Flipkart","Amazon","Google","Flipkart"],
"Role": ["IT Analyst","Software Engineer","Software Engineer","Data Analyst","Data Engineer","Data Scientist","ML Engineer","ML Engineer","ML Engineer","Data Scientist"]}
#Create a DataFrame using Pandas
Employee_data=pd.DataFrame(data_dict)
Employee_data- Ниже приведен кадр данных pandas, который мы создали в Python, в котором есть имена сотрудников, название их компании, роли и опыт работы в ИТ-индустрии.
- Имена столбцов DataFrame pandas передаются словарю data_dict в качестве ключей, а остальные являются значениями в Python.
Теперь давайте проверим различные методы добавления нового столбца в существующий фрейм данных pandas.
Добавьте столбец в существующий Pandas DataFrame, используя список
Мы можем добавить новый столбец в существующий DataFrame pandas, используя список в Python. Здесь, в приведенном ниже коде, мы создали список с возрастом всех сотрудников и сохранили этот список в переменной «Сотрудник_Возраст“.
А затем добавил новый столбец с именем «Возраст» в существующий DataFrame «Сотрудник_данные«.Во второй строке кода мы присваиваем все значения возраста в списке новому столбцу».Возраст“.
# Create a new list that has all the employees ages in employee_age
Employee_Age=[31,23,42,53,29,43,51,33,29,30]
#Adding new column i.e Employee_Age to the existing pandas DataFrame Employee_data
Employee_data["Age"]=Employee_Age
Employee_dataНа приведенном ниже выходном изображении мы видим, что новый столбец под названием «Возраст» добавлен к существующему фрейму данных pandas в Python.
Здесь мы рассмотрели базовый и наиболее часто используемый подход к добавлению нового столбца в DataFrame в Python.
Добавьте столбец в существующий Pandas DataFrame, используя метод assign()
Есть много способов добавить новый столбец в существующий фрейм данных pandas. Одна из наиболее широко используемых функций для добавления или добавления нового столбца в Python — это «назначать()“.
Метод assign() в Python добавляет столбец в конец, то есть новый столбец, который будет добавлен с помощью назначать() будет последним столбцом во всем наборе данных или кадре данных pandas.
#Add new column (Age) to the existing DataFrame in python
Employee_data.assign(Age=[31,23,42,53,29,43,51,33,29,30])На приведенном ниже выходном изображении мы видим, что новый столбец с именем «Возраст» добавляется к существующему фрейму данных pandas »Сотрудник_данные» в Питоне.
Вот как добавить новый столбец в существующий Pandas DataFrame с помощью метода assign().
Добавьте столбец в существующий Pandas DataFrame, используя метод insert().
Одной из наиболее широко используемых функций в Python является «вставлять()», чтобы добавить или добавить новые столбцы в существующие Pandas DataFrames или большие наборы данных.
- Используя “вставлять()», мы можем добавить или добавить новый столбец в любую позицию индекса в существующем фрейме данных pandas в Python.
- В методе вставки () в приведенном ниже коде мы передали 3 параметра, т. Е. Первый параметр — это позиция индекса, второй параметр — это новое имя столбца, а третий параметр — значения столбца.
#Add new column (Age) at index position 2 to the existing DataFrame in python
Employee_data.insert(2,"Age",[31,23,42,53,29,43,51,33,29,30])
Employee_dataНа приведенном ниже выходном изображении мы видим, что новый столбец с именем «Возраст» был добавлен во 2-й индекс. Таким образом, мы даже можем добавлять новые столбцы в существующий DataFrame с разными индексами в Python.
Это все о добавлении нового столбца в существующий Pandas DataFrame с использованием метода «insert()».
Добавьте столбец в существующий Pandas DataFrame, используя метод pd.Series().
Pandas Series — это одномерный массив. Мы создадим серию панд, используя pd.Серия() который в основном является нашим новым столбцом, а затем мы можем добавить эту серию, т.е. новый столбец, к существующему Pandas DataFrame в Python.
- Здесь, в приведенном ниже коде, мы создали серию «Сотрудник_Возраст», чтобы хранить возраст всех сотрудников в Python.
- «pd.Серия()» создает одномерный массив для хранения здесь значений возрастов. Затем мы создали новый столбец «Возраст» и присвоили ему значения из Серии.
# Create a new series that has all the employees ages in "employee_age"
Employee_Age=pd.Series([31,23,42,53,29,43,51,33,29,30])
#Adding new column i.e Employee_Age to the existing pandas DataFrame Employee_data
Employee_data["Age"]=Employee_Age.values
Employee_data
На выходном изображении ниже мы видим, что новый столбец с именем “Возраст” добавляется в существующий Pandas DataFrame «Данные_сотрудника» в Питоне.
Это все о добавлении нового столбца в существующий Pandas DataFrame с использованием метода pd.Series().
Добавьте столбец в существующий Pandas DataFrame, используя метод pd.contact()
Встроенная функция в Python «pd.concat()» может использоваться для добавления нового столбца в существующий фрейм данных pandas в Python.
- Здесь, в приведенном ниже коде, мы создали серию «Возраст_сотрудника» для хранения возраста всех сотрудников в Python. «pd.Series» создает одномерный массив для хранения здесь значений возраста.
- Затем мы вызвали метод pd.concat(), и первый параметр, который мы передали в него, — это DataFrame или набор данных, а второй параметр — это новый столбец со значениями, а axis=1 определяет, что новая серия должна быть добавлена вертикально в DataFrame. в питоне.
# Create a Series that has all the employees ages in "Employee_age"
Employee_Age=pd.Series([31,23,42,53,29,43,51,33,29,30])
#Adding new column to the existing Pandas DataFrame using pd.concat()
pd.concat([Employee_data,Employee_Age.rename("Age")],axis=1)На приведенном ниже выходном изображении мы видим, что новый столбец с именем «Возраст» добавляется к существующему фрейму данных pandas «Employee_data» в Python.
Это все о добавлении нового столбца в существующий Pandas DataFrame с использованием метода pd.concat().
Добавьте новый столбец с нулевыми значениями в существующий DataFrame.
Мы даже можем добавить новый столбец с нулевыми значениями в существующий DataFrame в Python.
- В приведенном ниже коде мы создали новый столбец «Возраст» и напрямую добавили нулевые значения в новый созданный столбец.
- «нп.нан» обозначает нулевые значения или недоступные данные в Python.
# Create and append a new column "Age" with null values
Employee_data["Age"]=np.nan
Employee_dataНа выходном изображении ниже мы видим, что новый столбец с именем «Возраст», который имеет нулевые значения, был добавлен к существующему кадру данных pandas «Сотрудник_данные» в Питоне.
Речь идет о добавлении нового столбца с нулевыми значениями в существующий DataFrame в Python.
Добавить постоянное значение в новый столбец в существующий DataFrame
Мы даже можем добавить новый столбец с постоянным значением в существующий DataFrame в Python.
- В приведенном ниже коде мы создали новый столбец «Возраст” и напрямую добавил некоторое постоянное значение в новый созданный столбец.
# Create a new column "Age" with constant values and append it to DataFrame
Employee_data["Age"]=32
Employee_dataНа приведенном ниже выходном изображении мы можем наблюдать, что новый столбец с именем “Возраст” с постоянным значением 32 было добавлено к существующему Pandas DataFrame «Данные_сотрудника» в Питоне.
Речь идет о добавлении нового столбца с постоянным значением в существующий DataFrame в Python.
Заключение
В этом руководстве по Python Pandas мы рассмотрели все возможные методы добавить или добавить новый столбец в существующие Pandas DataFrames например pd.concat(), DataFrame.assign(), DataFrame.insert(), используя подходы list, Series и т. д.
Также мы увидели:
- Добавьте новый столбец с нулевыми значениями в существующий DataFrame в Python.
- Добавьте постоянное значение в новый столбец в существующий DataFrame в Python
Вам также может понравиться:
Python — один из самых популярных языков в Соединенных Штатах Америки. Я давно работаю с Python и имею опыт работы с различными библиотеками на Tkinter, Pandas, NumPy, Turtle, Django, Matplotlib, Tensorflow, Scipy, Scikit-Learn и т. д. У меня есть опыт работы с различными клиентами в таких странах, как США, Канада, Великобритания, Австралия, Новая Зеландия и т. д. Проверьте мой профиль.
Ссылка на источник
