pandas——assign函数个人见解

注：本文仅代表个人见解，如有错误欢迎指正。

写在前边：最近又要捡起pandas，之前也都是处理一些简单的分类计算的操作，突然了解到assign函数，着手撸代码的时候，发现自己定义的函数在运用assign函数的时候怎么都达不到自己想要的结果，我想要每一行都能通过assign调用我的自定义函数，然后生成新的一列，但总是只能作用第一行，上网搜半天千篇一律都是照搬官方文档，所以试着一步步分析了一下源码，才发现原来是这样！

assign

　　assign的官方解释为“利用现有的列创建新列，并返回一个包含新列的全新dataframe，如果已存在的列则会直接覆盖”，个人理解就是通过assign函数类生成一个全新的dataframe，并且包含了你想要的计算的数据，存储在自定义的列名中。

　　assign需要传递的参数类型为**kwargs，其中key为新增一列的列名，value为新增一列的列值， 并且会生成一个全新的dataframe。 其中，如果value是可调用的函数，会优先调用函数后，将函数生成的值重新赋值给以key值为列名的新列，注意，这里的函数如果是自定义函数，必须返回可生成新列的数据类型。

　　通过分析assign的源码可知，传递的字典参数的value要么是与源数据行数相同的列表， 要么是可以生成与源数据行数相同列表的函数（这里的列表并不是单一指python中的列表类型）。 注意：当传递的参数为字典时，value只能是列表；当传递A=B的形式时，key值不能为字符串，所以只能 传递英文字母等其他符合python命名规范的参数，value则既可为列表，也可传递函数。

代码说明如下： 

a = np.arange(1, 13).reshape(3, 4)
df = pd.DataFrame(a, columns=list('abcd'))
df = df.assign(
    A=lambda x: x['a'] + 1
)
print(df)
>>>
   a   b   c   d   A
0  1   2   3   4   2
1  5   6   7   8   6
2  9  10  11  12  10

 

通过代码可以发现，调用assign的逻辑其实等同于:

df['A'] = df['a'] + 1

但assign不会污染源数据。 同样的也可传递自定义函数，但自定义函数必须返回与源数据行数相同的列表，这点其实通过上边等价关系可以看出来，因为df['a'] + 1返回的就是完美适配源数据的series类型，所以对应上文说的value不一 定是python中的列表类型，所有可用于panda生成新列的类型都可以。

代码说明如下：

def add_(x):
    result = []
    for value in x.values:
        result.append(value + 1)
    return result


a = np.arange(1, 13).reshape(3, 4)
df = pd.DataFrame(a, columns=list('abcd'))
df1 = df.assign(
    A=lambda x: add_(x['a'])
)
print(df1)
>>>
   a   b   c   d   A
0  1   2   3   4   2
1  5   6   7   8   6
2  9  10  11  12  10

总结：assign函数等同于df['key'] = value，但assign会生成新的dataframe，不会污染源数据，并且 assign可同时作用于多列。（遇到问题还是要多看源码，投机取巧不可取！）