pandas.DataFrame.assign#

DataFrame.assign(**kwargs)[源代码]#

为 DataFrame 分配新列。

返回一个新对象，其中包含所有原始列以及新列。已重新分配的现有列将被覆盖。

参数:
**kwargs可调用对象或 Series

列名是关键字参数。如果值为可调用对象，则它们将在 DataFrame 上计算并分配给新列。可调用对象不得更改输入 DataFrame（尽管 pandas 不会检查它）。如果值不是可调用对象（例如 Series、标量或数组），则直接分配。

返回:
DataFrame

一个新 DataFrame，其中包含新列以及所有现有列。

另请参阅

DataFrame.loc

按标签选择 DataFrame 的子集。

DataFrame.iloc

按位置选择 DataFrame 的子集。

注意

可以在同一个 assign 中分配多个列。‘**kwargs’ 中的后续项可能引用 ‘df’ 中新创建或修改的列；项按顺序计算并分配到 ‘df’ 中。

示例

>>> df = pd.DataFrame({"temp_c": [17.0, 25.0]}, index=["Portland", "Berkeley"])
>>> df
          temp_c
Portland    17.0
Berkeley    25.0

值是可调用对象，在 df 上进行评估

>>> df.assign(temp_f=lambda x: x.temp_c * 9 / 5 + 32)
          temp_c  temp_f
Portland    17.0    62.6
Berkeley    25.0    77.0

或者，通过直接引用现有 Series 或序列来实现相同行为

>>> df.assign(temp_f=df["temp_c"] * 9 / 5 + 32)
          temp_c  temp_f
Portland    17.0    62.6
Berkeley    25.0    77.0

或使用 pandas.col()

>>> df.assign(temp_f=pd.col("temp_c") * 9 / 5 + 32)
          temp_c  temp_f
Portland    17.0    62.6
Berkeley    25.0    77.0

您可以在同一个 assign 中创建多个列，其中一个列依赖于在同一个 assign 中定义的另一个列

>>> df.assign(
...     temp_f=lambda x: x["temp_c"] * 9 / 5 + 32,
...     temp_k=lambda x: (x["temp_f"] + 459.67) * 5 / 9,
... )
          temp_c  temp_f  temp_k
Portland    17.0    62.6  290.15
Berkeley    25.0    77.0  298.15
本页内容