公眾號(hào)：尤而小屋
作者：Peter
編輯：Peter

在我們處理數(shù)據(jù)的時(shí)候，有時(shí)需要根據(jù)某個(gè)列進(jìn)行計(jì)算得到一個(gè)新列，以便后續(xù)使用，相當(dāng)于是根據(jù)已知列得到新的列，這個(gè)時(shí)候assign函數(shù)非常方便。下面通過(guò)實(shí)例來(lái)說(shuō)明函數(shù)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(lèi)：

1、基礎(chǔ)部分：1-16篇，主要是介紹Pandas中基礎(chǔ)和常用操作，比如數(shù)據(jù)創(chuàng)建、檢索查詢(xún)、排名排序、缺失值/重復(fù)值處理等常見(jiàn)的數(shù)據(jù)處理操作

2、進(jìn)階部分：第17篇開(kāi)始講解Pandas中的高級(jí)操作方法

3、對(duì)比SQL，學(xué)習(xí)Pandas：將SQL和Pandas的操作對(duì)比起來(lái)進(jìn)行學(xué)習(xí)

參數(shù)

assign函數(shù)的參數(shù)只有一個(gè)：DataFrame.assign(**kwargs)。

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

關(guān)于參數(shù)的幾點(diǎn)說(shuō)明：

• 列名是關(guān)鍵字keywords

• 如果列名是可調(diào)用的，那么它們將在DataFrame上計(jì)算并分配給新的列

• 如果列名是不可調(diào)用的（例如：Series、標(biāo)量scalar或者數(shù)組array），則直接進(jìn)行分配

最后，這個(gè)函數(shù)的返回值是一個(gè)新的DataFrame數(shù)據(jù)框，包含所有現(xiàn)有列和新生成的列

導(dǎo)入庫(kù)

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

12	xiaoming
16	peter
18	mike

實(shí)例

當(dāng)值是可調(diào)用的，我們直接在數(shù)據(jù)框上進(jìn)行計(jì)算：

方式1：直接調(diào)用數(shù)據(jù)框

#?方式1：數(shù)據(jù)框df上調(diào)用 #?使用數(shù)據(jù)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(lái)的df，發(fā)現(xiàn)它是不變的

df??#?原數(shù)據(jù)框不變的
col1col2012

12	xiaoming
16	peter
18	mike

操作字符串類(lèi)型的數(shù)據(jù)：

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

方式2：調(diào)用Series數(shù)據(jù)

可以通過(guò)直接引用現(xiàn)有的Series或序列來(lái)實(shí)現(xiàn)相同的行為:

#?方式2：調(diào)用現(xiàn)有的Series來(lái)計(jì)算df.assign(col4=df["col1"]?*?3?/?4?+?25)df??#?原數(shù)據(jù)不變
col1col2012

12	xiaoming
16	peter
18	mike

在Python3.6+中，我們可以在同一個(gè)賦值中創(chuàng)建多個(gè)列，并且其中一個(gè)列還可以依賴(lài)于同一個(gè)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(jì)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(shù)據(jù)不變
col1col2012

12	xiaoming
16	peter
18	mike

如果我們重新分配的是一個(gè)現(xiàn)有的列，那么這個(gè)現(xiàn)有列的值將會(huì)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(duì)比apply函數(shù)

我們?cè)趐andas中同樣可以使用apply函數(shù)來(lái)實(shí)現(xiàn)

df??#?原數(shù)據(jù)
col1col2012

12	xiaoming
16	peter
18	mike

生成一個(gè)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(jīng)發(fā)生了變化
col1col2col3012

12	xiaoming	26.0
16	peter	28.0
18	mike	29.0

我們發(fā)現(xiàn)：通過(guò)assign函數(shù)的操作，原數(shù)據(jù)是不變的，但是通過(guò)apply操作的數(shù)據(jù)已經(jīng)變化了

BMI指數(shù)

最后在模擬一份數(shù)據(jù)，計(jì)算每個(gè)人的BMI指數(shù)。

身體質(zhì)量指數(shù)，是BMI指數(shù)，簡(jiǎn)稱(chēng)體質(zhì)指數(shù)，是國(guó)際上常用的衡量人體胖瘦程度以及是否健康的一個(gè)標(biāo)準(zhǔn)。

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(shù)實(shí)現(xiàn)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(gè)新的列：BMI

總結(jié)

通過(guò)上面的例子，我們發(fā)現(xiàn)：

使用assign函數(shù)生成的DataFrame是不會(huì)改變?cè)瓉?lái)的數(shù)據(jù)，這個(gè)DataFrame是新的

assign函數(shù)能夠同時(shí)操作多個(gè)列名，并且中間生成的列名能夠直接使用

assign和apply的主要區(qū)別在于：前者不改變?cè)瓟?shù)據(jù)，apply函數(shù)是在原數(shù)據(jù)的基礎(chǔ)上添加新列

往期精彩回顧適合初學(xué)者入門(mén)人工智能的路線(xiàn)及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線(xiàn)手冊(cè)深度學(xué)習(xí)筆記專(zhuān)輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專(zhuān)輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專(zhuān)輯黃海廣老師《機(jī)器學(xué)習(xí)課程》視頻課

本站qq群851320808，加入微信群請(qǐng)掃碼：

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。