Добавление новых столбцов в Pandas DataFrame — это фундаментальная задача обработки данных. Часто вам потребуется инициализировать эти новые столбцы значением по умолчанию. В этой статье рассматриваются два эффективных метода для достижения этого в Pandas: pandas.DataFrame.assign() и pandas.DataFrame.insert(), подчеркиваются их различия и лучшие варианты использования.
Оглавление
- Использование
pandas.DataFrame.assign()для добавления столбцов - Добавление столбцов с условными значениями по умолчанию
- Использование
pandas.DataFrame.insert()для добавления столбцов - Выбор правильного метода
Использование pandas.DataFrame.assign() для добавления столбцов
Метод assign() предлагает чистый и лаконичный способ добавления новых столбцов. Важно отметить, что он возвращает новый DataFrame, оставляя исходный DataFrame без изменений. Этот функциональный подход способствует неизменяемости и помогает предотвратить непредвиденные модификации.
import pandas as pd
# Пример DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
print("Исходный DataFrame:n", df)
# Добавление нового столбца 'C' со значением по умолчанию 0
df_new = df.assign(C=0)
print("nDataFrame после добавления столбца 'C':n", df_new)
print("nИсходный DataFrame остался без изменений:n", df)
# Добавление нескольких столбцов одновременно
df_new = df.assign(C=0, D='default')
print("nDataFrame после добавления нескольких столбцов:n", df_new)
Добавление столбцов с условными значениями по умолчанию
Для более сложных сценариев, требующих условных значений по умолчанию на основе существующих данных, assign() можно комбинировать с другими функциями Pandas. Это обеспечивает больший контроль и гибкость.
import pandas as pd
import numpy as np
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# Добавление нового столбца 'C' с NaN в качестве заполнителя, а затем условное присваивание значений
df['C'] = np.nan
df.loc[df['A'] > 1, 'C'] = 10
df.loc[df['A'] <= 1, 'C'] = 20
print("nDataFrame после добавления и условной установки значений в столбце 'C':n", df)
Использование pandas.DataFrame.insert() для добавления столбцов
Метод insert() позволяет точно контролировать размещение столбцов. В отличие от assign(), он изменяет DataFrame на месте. Это означает, что исходный DataFrame изменяется напрямую.
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# Добавление нового столбца 'C' на позицию 1 (индекс 1) со значением по умолчанию 0
df.insert(1, 'C', 0)
print("nDataFrame после вставки столбца 'C':n", df)
Поскольку insert() изменяет DataFrame на месте, крайне важно создать копию с помощью .copy(), если вам нужно сохранить исходный DataFrame.
Выбор правильного метода
Выбор между assign() и insert() зависит от ваших потребностей. assign() обычно предпочтительнее благодаря своему функциональному, неизменяемому характеру, особенно при работе со сложной логикой или добавлении нескольких столбцов. insert() полезен, когда критично точное положение столбца и допустимо изменение на месте. Всегда учитывайте последствия изменения на месте, чтобы избежать непредвиденных последствий.