
Pandas是一个功能强大的Python库,用于数据处理和分析。其中之一的常见操作是在DataFrame中添加新的列,并根据某些条件对其进行赋值。在本篇文章中,我们将详细介绍如何使用Pandas新增一列并按条件赋值。
首先,让我们创建一个示例DataFrame:
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'], 'Age': [25, 30, 35, 40], 'Gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data) print(df)
输出结果:
Name Age Gender 0 Alice 25 F 1 Bob 30 M 2 Charlie 35 M 3 David 40 M
我们将向该DataFrame添加一个“Status”列,该列基于以下规则进行赋值:
让我们使用Pandas实现这个需求。
我们可以使用Pandas的apply()方法将自定义函数应用于DataFrame中的每一行。接下来,我们将编写一个名为get_status()的函数,该函数接受年龄作为输入,并返回相应的状态。然后,我们将调用apply()方法,以将get_status()函数应用于DataFrame中的每一行。
def get_status(age): if age < 30: return 'Young' elif age >= 30 and age <= 40: return 'Middle' else: return 'Old' # 使用apply方法新增一列并按条件赋值 df['Status'] = df['Age'].apply(get_status) print(df)
输出结果:
Name Age Gender Status 0 Alice 25 F Young 1 Bob 30 M Middle 2 Charlie 35 M Middle 3 David 40 M Old
因此,我们已经成功地向DataFrame中添加了一个新列,并根据给定的条件对其进行赋值。
除了使用apply()方法外,我们还可以使用NumPy库中的where()函数将条件应用于整个DataFrame,并为满足该条件的行分配值。
import numpy as np # 使用np.where方法新增一列并按条件赋值 df['Status'] = np.where(df['Age'] < 30, 'Young',
np.where(df['Age'] <= 40, 'Middle', 'Old')) print(df)
输出结果与上面相同。这种方法可以更快速地计算,特别是在对大型数据集进行操作时。
本文介绍了两种在Pandas中新增一列并按条件赋值的方法。第一种方法是使用apply()方法,它非常直观且易于理解。第二种方法使用NumPy的where()函数,可以更快速地计算,但可能需要一些时间来适应语法。无论您选择哪种方法,都可以根据需要轻松地为Pandas DataFrame添加新列并根据指定条件对其进行赋值。
想快速入门Python数据分析?这门课程适合你!
如果你对Python数据分析感兴趣,但不知从何入手,推荐你学习《山有木兮:Python数据分析极简入门》。这门课程专为初学者设计,内容简洁易懂,手把手教你掌握Python数据分析的核心技能,助你轻松迈出数据分析的第一步。
学习入口:https://edu.cda.cn/goods/show/3429?targetId=5724&preview=0
开启你的Python数据分析之旅,从入门到精通,只需一步!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20