Aggiungi una nuova colonna a DataFrame esistente con valore predefinito in Pandas
-
pandas.DataFrame.assign()per aggiungere una nuova colonna in Pandas DataFrame - Accedi alla nuova colonna per impostarla con un valore predefinito
-
pandas.DataFrame.insert()per aggiungere una nuova colonna in Pandas DataFrame
Potremmo usare i metodi assign() e insert() degli oggetti DataFrame per aggiungere una nuova colonna al DataFrame esistente con i valori predefiniti. Possiamo anche assegnare direttamente un valore predefinito alla colonna di DataFrame da creare.
Useremo il seguente dataframe come esempio nelle sezioni seguenti.
import pandas as pd
dates=['April-10', 'April-11', 'April-12', 'April-13']
fruits=['Apple', 'Papaya', 'Banana', 'Mango']
prices=[3, 1, 2, 4]
df = pd.DataFrame({'Date':dates ,
'Fruit':fruits ,
'Price': prices})
print(df)
Produzione:
Date Fruit Price
0 April-10 Apple 3
1 April-11 Papaya 1
2 April-12 Banana 2
3 April-13 Mango 4
pandas.DataFrame.assign() per aggiungere una nuova colonna in Pandas DataFrame
Possiamo usare il metodo pandas.DataFrame.assign() per aggiungere una nuova colonna al DataFrame esistente e assegnare la colonna DataFrame appena creata con i valori predefiniti.
import pandas as pd
dates=['April-10', 'April-11', 'April-12', 'April-13']
fruits=['Apple', 'Papaya', 'Banana', 'Mango']
prices=[3, 1, 2, 4]
df = pd.DataFrame({'Date':dates ,
'Fruit':fruits ,
'Price': prices})
new_df=df.assign(Profit=6)
print(new_df)
Produzione:
Date Fruit Price Profit
0 April-10 Apple 3 6
1 April-11 Papaya 1 6
2 April-12 Banana 2 6
3 April-13 Mango 4 6
Il codice crea una nuova colonna Profit nel DataFrame e imposta i valori dell’intera colonna su 6.
Accedi alla nuova colonna per impostarla con un valore predefinito
Possiamo utilizzare l’indicizzazione DataFrame per creare una nuova colonna in DataFrame e impostarla sui valori predefiniti.
Sintassi:
df[col_name]=value
Crea una nuova colonna col_name in DataFrame df e imposta il valore predefinito per l’intera colonna su value.
import pandas as pd
dates=['April-10', 'April-11', 'April-12', 'April-13']
fruits=['Apple', 'Papaya', 'Banana', 'Mango']
prices=[3, 1, 2, 4]
df = pd.DataFrame({'Date':dates ,
'Fruit':fruits ,
'Price': prices})
df['Profit']=5
print(df)
Produzione:
Date Fruit Price Profit
0 April-10 Apple 3 5
1 April-11 Papaya 1 5
2 April-12 Banana 2 5
3 April-13 Mango 4 5
pandas.DataFrame.insert() per aggiungere una nuova colonna in Pandas DataFrame
pandas.DataFrame.insert() ci permette di inserire una colonna in un DataFrame nella posizione specificata.
Sintassi:
DataFrame.insert(loc, column, value, allow_duplicates=False)
Crea una nuova colonna con il nome column nella posizione loc con il valore predefinito value. allow_duplicates=False assicura che ci sia solo una colonna con il nome column nel DataFrame.
import pandas as pd
dates=['April-10', 'April-11', 'April-12', 'April-13']
fruits=['Apple', 'Papaya', 'Banana', 'Mango']
prices=[3, 1, 2, 4]
df = pd.DataFrame({'Date':dates ,
'Fruit':fruits ,
'Price': prices})
df.insert(2, "profit", 4, allow_duplicates=False)
print(df
Produzione:
Date Fruit profit Price
0 April-10 Apple 4 3
1 April-11 Papaya 4 1
2 April-12 Banana 4 2
3 April-13 Mango 4 4
Qui, una colonna con il nome profit è inserita all’indice 2 con il valore predefinito 4.
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedInArticolo correlato - Pandas DataFrame Column
- Come ottenere le intestazioni delle colonne DataFrame Pandas come lista
- Come cancellare la colonna DataFrame Pandas DataFrame
- Come convertire la colonna DataFrame in data e ora in pandas
- Ottieni la colonna della somma dei pandas
- Modificare l'ordine delle colonne DataFrame di Pandas
- Converti colonna DataFrame in stringa in Pandas
Articolo correlato - Pandas DataFrame
- Come ottenere le intestazioni delle colonne DataFrame Pandas come lista
- Come cancellare la colonna DataFrame Pandas DataFrame
- Come convertire la colonna DataFrame in data e ora in pandas
- Converti un Float in un Integer in Pandas DataFrame
- Ordina Pandas DataFrame in base ai valori di una colonna
- Ottieni l'aggregato di Pandas Group-By e Sum
