公眾號：尤而小屋
作者：Peter
編輯：Peter

在我們處理數據的時候，有時需要根據某個列進行計算得到一個新列，以便后續使用，相當于是根據已知列得到新的列，這個時候assign函數非常方便。下面通過實例來說明函數的的用法。

Pandas文章

本文是Pandas文章連載系列的第21篇，主要分為3類：

1、基礎部分：1-16篇，主要是介紹Pandas中基礎和常用操作，比如數據創建、檢索查詢、排名排序、缺失值/重復值處理等常見的數據處理操作

2、進階部分：第17篇開始講解Pandas中的高級操作方法

3、對比SQL，學習Pandas：將SQL和Pandas的操作對比起來進行學習

參數

assign函數的參數只有一個：DataFrame.assign(**kwargs)。

**kwargs:?dict?of?{str:?callable?or?Series}

關于參數的幾點說明：

• 列名是關鍵字keywords

• 如果列名是可調用的，那么它們將在DataFrame上計算并分配給新的列

• 如果列名是不可調用的（例如：Series、標量scalar或者數組array），則直接進行分配

最后，這個函數的返回值是一個新的DataFrame數據框，包含所有現有列和新生成的列

導入庫

import?pandas?as?pd import?numpy?as?np#?模擬數據df?=?pd.DataFrame({"col1":[12,?16,?18],"col2":["xiaoming","peter",?"mike"]})df
col1col2012

12	xiaoming
16	peter
18	mike

實例

當值是可調用的，我們直接在數據框上進行計算：

方式1：直接調用數據框

#?方式1：數據框df上調用 #?使用數據框df的col1屬性，生成col3df.assign(col3=lambda?x:?x.col1?/?2?+?20)
col1col2col3012

12	xiaoming	26.0
16	peter	28.0
18	mike	29.0

我們可以查看原來的df，發現它是不變的

df??#?原數據框不變的
col1col2012

12	xiaoming
16	peter
18	mike

操作字符串類型的數據：

df.assign(col3=df["col2"].str.upper())

方式2：調用Series數據

可以通過直接引用現有的Series或序列來實現相同的行為:

#?方式2：調用現有的Series來計算df.assign(col4=df["col1"]?*?3?/?4?+?25)df??#?原數據不變
col1col2012

12	xiaoming
16	peter
18	mike

在Python3.6+中，我們可以在同一個賦值中創建多個列，并且其中一個列還可以依賴于同一個賦值中定義的另一列，也就是中間生成的新列可以直接使用：

df.assign(col5=lambda?x:?x["col1"]?/?2?+?10,?????????col6=lambda?x:?x["col5"]?*?5,??#?在col6計算中直接使用col5????????col7=lambda?x:?x.col2.str.upper(),?????????col8=lambda?x:?x.col7.str.title()??#?col8中使用col7 )df???#?原數據不變
col1col2012

12	xiaoming
16	peter
18	mike

如果我們重新分配的是一個現有的列，那么這個現有列的值將會被覆蓋：

df.assign(col1=df["col1"]?/?2)??#?col1直接被覆蓋
col1col2012

6.0	xiaoming
8.0	peter
9.0	mike

對比apply函數

我們在pandas中同樣可以使用apply函數來實現

df??#?原數據
col1col2012

12	xiaoming
16	peter
18	mike

生成一個副本，我們直接在副本上操作：

df1?=?df.copy()??#?生成副本，直接在副本上操作 df2?=?df.copy()df1
col1col2012

12	xiaoming
16	peter
18	mike

df1.assign(col3=lambda?x:?x.col1?/?2?+?20)
col1col2col3012

12	xiaoming	26.0
16	peter	28.0
18	mike	29.0

df1??#?df1保持不變
col1col2012

12	xiaoming
16	peter
18	mike

df1["col3"]?=?df1["col1"].apply(lambda?x:x?/?2?+?20)df1??#?df1已經發生了變化
col1col2col3012

12	xiaoming	26.0
16	peter	28.0
18	mike	29.0

我們發現：通過assign函數的操作，原數據是不變的，但是通過apply操作的數據已經變化了

BMI指數

最后在模擬一份數據，計算每個人的BMI指數。

身體質量指數，是BMI指數，簡稱體質指數，是國際上常用的衡量人體胖瘦程度以及是否健康的一個標準。

體重身高

其中：體重單位是kg，身高單位是m

df2?=?pd.DataFrame({"name":["xiaoming","xiaohong","xiaosu"],"weight":[78,65,87],"height":[1.82,1.75,1.89] })df2
nameweightheight012

xiaoming	78	1.82
xiaohong	65	1.75
xiaosu	87	1.89

#?使用assign函數實現df2.assign(BMI=df2["weight"]?/?(df2["height"]?**?2))df2?#?不變
nameweightheight012

xiaoming	78	1.82
xiaohong	65	1.75
xiaosu	87	1.89

df2["BMI"]?=?df2["weight"]?/?(df2["height"]?**?2)df2??# df2生成了一個新的列：BMI

總結

通過上面的例子，我們發現：

使用assign函數生成的DataFrame是不會改變原來的數據，這個DataFrame是新的

assign函數能夠同時操作多個列名，并且中間生成的列名能夠直接使用

assign和apply的主要區別在于：前者不改變原數據，apply函數是在原數據的基礎上添加新列

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯黃海廣老師《機器學習課程》視頻課

本站qq群851320808，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】图解Pandas的宝藏函数：assign的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。