HOWTO · Pandas
如何在 Pandas DataFrame 中建立一個空列
我們可以使用簡單的賦值運算子,reindex(),assign()和 insert()方法向 Pandas 中的 DataFrame 新增一個空列。
本頁內容
若要在 Python 的既有 pandas DataFrame 中新增空白欄位,空白文字可使用 df["NewColumn"] = "",缺失值則可使用 df["NewColumn"] = float("nan")(NaN)。這兩種寫法都會保留既有列與其他欄位。空字串是文字值,請依後續計算與篩選的需求選擇合適的表示方式。
若要新增多個欄位,可使用 reindex();若要傳回包含指定新增欄位的 DataFrame,可使用 assign();若要控制欄位位置,則可使用 insert()。這些範例需要 pandas 和 NumPy。
使用簡單指定建立空白欄位
將純量指定給新欄位時,該值會重複套用至每一個既有資料列。指定會直接修改 df,並將新欄位加在最右側。若欄位名稱已存在,指定會取代該欄位的內容;若要保留原資料,請使用新的欄位名稱。
以下範例比較空字串、NumPy 的缺失值標記,以及空的 pandas Series:
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df["Empty_1"] = ""
df["Empty_2"] = np.nan
df["Empty_3"] = pd.Series()
print(df)
輸出:
Date Income Expenses Empty_1 Empty_2 Empty_3
0 April-20 10 3 NaN NaN
1 April-21 20 8 NaN NaN
2 April-22 10 4 NaN NaN
3 April-23 15 5 NaN NaN
4 April-24 10 6 NaN NaN
5 April-25 12 10 NaN NaN
Empty_1 包含空字串,Empty_2 則包含 NaN。指定 Series 時,pandas 會依索引標籤,將 Series 與 DataFrame 的列標籤對齊。空的 Series 沒有任何相符的標籤,因此 Empty_3 的所有值也都是缺失值。
若要明確指定資料型別,可使用 df["NewColumn"] = pd.Series(index=df.index, dtype="float64")。加入 df.index 可清楚表明預期的列對齊方式。之後若要選取缺失值,請使用 df["NewColumn"].isna(),不要用等號比較 NaN;空字串則需另外與 "" 比較。
使用 pandas.DataFrame.reindex() 方法新增空白欄位
pandas.DataFrame.reindex() 方法會傳回欄位標籤與順序符合要求的 DataFrame。新加入的標籤預設會填入缺失值。請留意:columns 指定的是結果中所有欄位的清單,而不只是要新增的欄位。
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
column_names = ["Empty_1", "Empty_2", "Empty_3"]
df = df.reindex(columns=column_names)
print(df)
輸出:
Empty_1 Empty_2 Empty_3
0 NaN NaN NaN
1 NaN NaN NaN
2 NaN NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaN
這裡的結果保留了六個列標籤,但移除了 Date、Income 和 Expenses。若將結果重新指定給 df,原本的參照就會被取代。
若要保留原有資料,請先使用 df.columns.tolist() 取得現有欄位名稱,再附加新名稱。這樣會保留既有欄位的順序,並將新增欄位放在右側。請儲存此方法傳回的 DataFrame,因為它不會就地修改原物件。請執行此範例:
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df = df.reindex(columns=df.columns.tolist() + ["Empty_1", "Empty_2", "Empty_3"])
print(df)
輸出:
Date Income Expenses Empty_1 Empty_2 Empty_3
0 April-20 10 3 NaN NaN NaN
1 April-21 20 8 NaN NaN NaN
2 April-22 10 4 NaN NaN NaN
3 April-23 15 5 NaN NaN NaN
4 April-24 10 6 NaN NaN NaN
5 April-25 12 10 NaN NaN NaN
原有的日期、收入和支出欄位都會保留,後面接著三個值為 NaN 的欄位。請選用尚未存在的欄位名稱,以免要求產生重複標籤。
使用 pandas.DataFrame.assign() 在 Pandas DataFrame 中新增空白欄位
pandas.DataFrame.assign() 方法會傳回包含一個或多個指定欄位的 DataFrame。每個關鍵字會指定欄位名稱及其值。請保留傳回的物件,例如 df = df.assign(...),或將結果存到其他名稱,以保留原本的 DataFrame。
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df = df.assign(Empty_1="", Empty_2=np.nan)
print(df)
輸出:
Date Income Expenses Empty_1 Empty_2
0 April-20 10 3 NaN
1 April-21 20 8 NaN
2 April-22 10 4 NaN
3 April-23 15 5 NaN
4 April-24 10 6 NaN
5 April-25 12 10 NaN
Empty_1 包含空字串;只有 Empty_2 包含 NaN。原有欄位會保留。與直接指定相同,若指定的欄位名稱已存在,傳回的 DataFrame 中該欄位會被取代。
使用 pandas.DataFrame.insert() 將空白欄位加入 DataFrame
若欄位位置很重要,請使用 pandas.DataFrame.insert()。呼叫方式為 df.insert(loc, column, value):loc 是從零開始計算的欄位位置,column 是新標籤,而 value 是必填參數。空白文字請提供 "",缺失值則提供 np.nan。
位置必須介於 0 和 len(df.columns) 之間,且包含這兩個界限;上限位置會將欄位附加在最右側。預設情況下,插入已存在的標籤會失敗。傳入 allow_duplicates=True 可允許重複標籤,但可能讓之後的欄位選取變得不明確。
與 assign() 和 reindex() 不同,insert() 會就地修改 df,並傳回 None。請勿寫成 df = df.insert(...)。
以下範例會在最右側新增兩個欄位:
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
import numpy as np
dates = ["April-20", "April-21", "April-22", "April-23", "April-24", "April-25"]
income = [10, 20, 10, 15, 10, 12]
expenses = [3, 8, 4, 5, 6, 10]
df = pd.DataFrame({"Date": dates, "Income": income, "Expenses": expenses})
df.insert(3, "Empty_1", "")
df.insert(4, "Empty_2", np.nan)
print(df)
輸出:
Date Income Expenses Empty_1 Empty_2
0 April-20 10 3 NaN
1 April-21 20 8 NaN
2 April-22 10 4 NaN
3 April-23 15 5 NaN
4 April-24 10 6 NaN
5 April-25 12 10 NaN
Empty_1 位於欄位位置 3,內容是空字串。插入後,位置 4 可用來放置 Empty_2,其內容為 NaN。若要將欄位放在最前面,請使用 loc=0;既有欄位會向右移動,值則保持不變。