In [1]: import pandas as pd
本教程中使用的数据
  • 本教程使用了由 OpenAQ 提供并通过 py-openaq 包获取的 \(NO_2\) 空气质量数据。air_quality_no2.csv 数据集分别提供了巴黎的 FR04014、安特卫普的 BETR801 和伦敦的 London Westminster 测量站的 \(NO_2\) 值。

    到原始数据
    In [2]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)
    
    In [3]: air_quality.head()
    Out[3]: 
                         station_antwerp  station_paris  station_london
    datetime                                                           
    2019-05-07 02:00:00              NaN            NaN            23.0
    2019-05-07 03:00:00             50.5           25.0            19.0
    2019-05-07 04:00:00             45.0           27.7            19.0
    2019-05-07 05:00:00              NaN           50.4            16.0
    2019-05-07 06:00:00              NaN           61.9             NaN
    

如何从现有列创建新列#

../../_images/05_newcolumn_1.svg
  • 我想将伦敦测量站的 \(NO_2\) 浓度表示为 mg/m\(^3\)

    (如果我们假设温度为 25 摄氏度,压力为 1013 hPa,则转换系数为 1.882)

    In [4]: air_quality["london_mg_per_cubic"] = air_quality["station_london"] * 1.882
    
    In [5]: air_quality.head()
    Out[5]: 
                         station_antwerp  ...  london_mg_per_cubic
    datetime                              ...                     
    2019-05-07 02:00:00              NaN  ...               43.286
    2019-05-07 03:00:00             50.5  ...               35.758
    2019-05-07 04:00:00             45.0  ...               35.758
    2019-05-07 05:00:00              NaN  ...               30.112
    2019-05-07 06:00:00              NaN  ...                  NaN
    
    [5 rows x 4 columns]
    

    要创建新列,请在赋值号的左侧使用 [] 括号并附上新列名。

注意

值的计算是**逐元素**进行的。这意味着给定列中的所有值会一次性乘以 1.882。你无需使用循环来迭代每一行!

../../_images/05_newcolumn_2.svg
  • 我想检查巴黎与安特卫普值的比率,并将结果保存在新列中。

    In [6]: air_quality["ratio_paris_antwerp"] = (
       ...:     air_quality["station_paris"] / air_quality["station_antwerp"]
       ...: )
       ...: 
    
    In [7]: air_quality.head()
    Out[7]: 
                         station_antwerp  ...  ratio_paris_antwerp
    datetime                              ...                     
    2019-05-07 02:00:00              NaN  ...                  NaN
    2019-05-07 03:00:00             50.5  ...             0.495050
    2019-05-07 04:00:00             45.0  ...             0.615556
    2019-05-07 05:00:00              NaN  ...                  NaN
    2019-05-07 06:00:00              NaN  ...                  NaN
    
    [5 rows x 5 columns]
    

    计算再次是逐元素的,因此 / 运算符会应用于每行中的值

其他数学运算符(+-*/ 等)或逻辑运算符(<>== 等)也都是逐元素工作的。后者已在数据子集教程中用于通过条件表达式过滤表的行。

如果需要更高级的逻辑,可以通过 apply() 使用任意 Python 代码。

  • 我想将数据列重命名为 OpenAQ 使用的相应站点标识符。

    In [8]: air_quality_renamed = air_quality.rename(
       ...:     columns={
       ...:         "station_antwerp": "BETR801",
       ...:         "station_paris": "FR04014",
       ...:         "station_london": "London Westminster",
       ...:     }
       ...: )
       ...: 
    
    In [9]: air_quality_renamed.head()
    Out[9]: 
                         BETR801  FR04014  ...  london_mg_per_cubic  ratio_paris_antwerp
    datetime                               ...                                          
    2019-05-07 02:00:00      NaN      NaN  ...               43.286                  NaN
    2019-05-07 03:00:00     50.5     25.0  ...               35.758             0.495050
    2019-05-07 04:00:00     45.0     27.7  ...               35.758             0.615556
    2019-05-07 05:00:00      NaN     50.4  ...               30.112                  NaN
    2019-05-07 06:00:00      NaN     61.9  ...                  NaN                  NaN
    
    [5 rows x 5 columns]
    

    rename() 函数可用于行标签和列标签。提供一个字典,其中键为当前名称,值为新名称,以更新相应的名称。

映射不应仅限于固定名称,也可以是映射函数。例如,将列名转换为小写字母也可以通过函数完成。

In [10]: air_quality_renamed = air_quality_renamed.rename(columns=str.lower)

In [11]: air_quality_renamed.head()
Out[11]: 
                     betr801  fr04014  ...  london_mg_per_cubic  ratio_paris_antwerp
datetime                               ...                                          
2019-05-07 02:00:00      NaN      NaN  ...               43.286                  NaN
2019-05-07 03:00:00     50.5     25.0  ...               35.758             0.495050
2019-05-07 04:00:00     45.0     27.7  ...               35.758             0.615556
2019-05-07 05:00:00      NaN     50.4  ...               30.112                  NaN
2019-05-07 06:00:00      NaN     61.9  ...                  NaN                  NaN

[5 rows x 5 columns]
到用户指南

有关列或行标签重命名的详细信息,请参阅用户指南中重命名标签一节。

记住

  • 通过将输出赋值给 DataFrame,并在 [] 中指定新列名来创建新列。

  • 操作是逐元素的,无需循环遍历行。

  • 使用 rename 函数并结合字典或函数来重命名行标签或列名。

到用户指南

用户指南中包含关于列的添加和删除的单独章节。