python如何新建列

在Python中，新建列是数据预处理和数据分析中非常常见的操作，特别是在使用Pandas库处理数据时，新建列可以帮助我们更好地组织和分析数据，我将详细介绍如何在Python中新建列，以及与之相关的各种方法和技巧。

我们需要导入Pandas库，如果还没有安装Pandas，可以使用pip命令进行安装，导入Pandas库后，我们可以创建一个DataFrame对象，然后在此基础上新建列。

创建DataFrame对象

我们来看一个简单的例子：

import pandas as pd
创建一个字典，包含列名和对应的数据
data = {'Name': ['Tom', 'Lily', 'Jack'], 'Age': [20, 22, 18]}
使用字典创建DataFrame
df = pd.DataFrame(data)
输出DataFrame
print(df)

运行上述代码后，我们将得到一个包含姓名和年龄的DataFrame。

新建列的方法

以下是几种在DataFrame中新建列的方法：

1、直接赋值

直接赋值是最简单的新建列的方法，我们可以直接给一个新的列名赋值一个列表或数组。

新建一个列名为'Sex'的列，为所有行赋值'Male'
df['Sex'] = 'Male'
输出修改后的DataFrame
print(df)

2、使用loc或iloc

loc和iloc是Pandas中用于访问DataFrame的两种方法，我们可以使用它们为特定行或列赋值。

使用loc为第2行'Sex'列赋值'Female'
df.loc[1, 'Sex'] = 'Female'
使用iloc为第3行'Sex'列赋值'Female'
df.iloc[2, 2] = 'Female'
输出修改后的DataFrame
print(df)

3、使用apply函数

apply函数可以将一个函数应用到DataFrame的每一行或每一列上，我们可以使用它来新建列。

定义一个函数，根据年龄判断是否成年
def is_adult(age):
    return 'Yes' if age >= 18 else 'No'
使用apply函数新建一列'IsAdult'
df['IsAdult'] = df['Age'].apply(is_adult)
输出修改后的DataFrame
print(df)

4、使用assign函数

assign函数可以用来新建一个或多个列，并返回一个新的DataFrame。

使用assign新建一列'Height'，为所有行赋值170
df = df.assign(Height=170)
输出修改后的DataFrame
print(df)

5、使用concat函数

concat函数可以将多个DataFrame或Series按指定的轴进行拼接，我们可以使用它来合并一个新的列。

创建一个新的Series
heights = pd.Series([170, 165, 180])
使用concat函数将新的Series合并到DataFrame中
df = pd.concat([df, heights.rename('Height')], axis=1)
输出修改后的DataFrame
print(df)

实战示例

下面，我们通过一个实战示例来演示新建列的应用。

假设我们有一个学生成绩的DataFrame
scores = {'Name': ['Tom', 'Lily', 'Jack'], 'Math': [90, 85, 78], 'English': [88, 92, 80]}
创建DataFrame
df_scores = pd.DataFrame(scores)
新建一列'Total'，计算每个学生的总分
df_scores['Total'] = df_scores['Math'] + df_scores['English']
新建一列'Avg'，计算每个学生的平均分
df_scores['Avg'] = df_scores['Total'] / 2
输出修改后的DataFrame
print(df_scores)

通过以上示例，我们可以看到新建列在数据预处理中的重要作用，熟练掌握新建列的方法和技巧，将有助于我们更好地进行数据分析。

在Python中新建列有多种方法，包括直接赋值、使用loc/iloc、apply函数、assign函数和concat函数等，根据不同的需求选择合适的方法，可以让我们在数据处理过程中更加得心应手，希望本文的介绍能对您有所帮助。