新增数据

在进行数据分析时，经常需要根据一定条件创建新的数据列，然后及逆行进一步分析

1. 直接赋值

2. df.apply方法

3. df.assign方法

4. 按条件选择分组分别赋值

   import pandas as pd
   df=pd.read_excel("./weater_beijing.xlsx")
   df.head()

	日期	最高温	最低温	天气	风力风向	空气质量指数
0	2011-01-01 周六	-2°	-7°	多云~阴	无持续风向微风	NaN
1	2011-01-02 周日	-2°	-7°	多云	无持续风向微风	NaN
2	2011-01-03 周一	-2°	-6°	多云~阴	西北风北风3-4级4-5级	NaN
3	2011-01-04 周二	-2°	-9°	晴	北风5-6级	NaN
4	2011-01-05 周三	-2°	-10°	晴	北风无持续风向3-4级微风	NaN

替换温度的后缀°

df.loc[:,'最低温']=df['最低温'].str.replace("°","")
df.loc[:,'最高温']=df['最高温'].str.replace("°","")

df.loc[:,'最低温'].fillna('0',inplace=True)

df.loc[df['最低温']=='']

	日期	最高温	最低温	天气	风力风向	空气质量指数
455	2012-04-11 周三	9		多云~	无持续风向微风	NaN

将最低温中''替换成0

df.loc[:,'最低温']=df['最低温'].replace('','0')

将最高温和最低温列的obj类型转换成int型

df.loc[:,'最低温']=df.loc[:,'最低温'].astype('int32')
df.loc[:,'最高温']=df.loc[:,'最高温'].astype('int32')

C:\Users\JDQ\AppData\Local\Temp\ipykernel_17304\77100508.py:2: DeprecationWarning: In a future version, df.iloc[:, i] = newvals will attempt to set the values inplace instead of always setting a new array. To retain the old behavior, use either df[df.columns[i]] = newvals or, if columns are non-unique, df.isetitem(i, newvals)
df.loc[:,'最高温']=df.loc[:,'最高温'].astype('int32')

df.loc[df['日期']=='2012-04-11 周三']

	日期	最高温	最低温	天气	风力风向	空气质量指数
455	2012-04-11 周三	9		多云~	无持续风向微风	NaN

1. 直接赋值

实例：计算温差

df.dtypes

日期 object
最高温 int32
最低温 int32
天气 object
风力风向 object
空气质量指数 object
dtype: object

df['wencha']=df['最高温']-df['最低温']

df.head()

	日期	最高温	最低温	天气	风力风向	空气质量指数	wencha
0	2011-01-01 周六	-2	-7	多云~阴	无持续风向微风	NaN	5
1	2011-01-02 周日	-2	-7	多云	无持续风向微风	NaN	5
2	2011-01-03 周一	-2	-6	多云~阴	西北风北风3-4级4-5级	NaN	4
3	2011-01-04 周二	-2	-9	晴	北风5-6级	NaN	7
4	2011-01-05 周三	-2	-10	晴	北风无持续风向3-4级微风	NaN	8

1. df.apply方法
   DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)[source]
   Apply a function along an axis of the DataFrame.

Objects passed to the function are Series objects whose index is either the DataFrame’s index (axis=0) or the DataFrame’s columns (axis=1). By default (result_type=None), the final return type is inferred from the return type of the applied function. Otherwise, it depends on the result_type argument.

实例：添加一列温度类型

1. 如果最高温度大于33度就是高温
2. 如果小于-10度就是低温
3. 否则就是常温

def get_wendu_type(x):
if x['最高温']>33:
return '高温'
if x['最低温']<-10:
return '低温'
return '常温'

这里需要设置axis==1，这是series的index是columns

df.loc[:,'wendu_type']=df.apply(get_wendu_type,axis=1)

产看温度类型的计数

df['wendu_type'].value_counts()

常温 3730
高温 231
低温 45
Name: wendu_type, dtype: int64

1. df.assign方法
   DataFrame.assign(**kwargs)[source]
   Assign new columns to a DataFrame.

Returns a new object with all original columns in addition to new ones. Existing columns that are re-assigned will be overwritten.

实例：将温度从摄氏度变为华氏度

可以同时添加多个新的列

df.assign(
华氏度最高温=lambda x:x['最高温']9/5+32,
华氏度最低温=lambda x:x['最低温']9/5+32,
)

	日期	最高温	最低温	天气	风力风向	空气质量指数	wencha	wendu_type	华氏度最高温	华氏度最低温
0	2011-01-01 周六	-2	-7	多云~阴	无持续风向微风	NaN	5	常温	28.4	19.4
1	2011-01-02 周日	-2	-7	多云	无持续风向微风	NaN	5	常温	28.4	19.4
2	2011-01-03 周一	-2	-6	多云~阴	西北风北风3-4级4-5级	NaN	4	常温	28.4	21.2
3	2011-01-04 周二	-2	-9	晴	北风5-6级	NaN	7	常温	28.4	15.8
4	2011-01-05 周三	-2	-10	晴	北风无持续风向3-4级微风	NaN	8	常温	28.4	14.0
...	...	...	...	...	...	...	...	...	...	...
4001	2021-12-27 周一	6	-8	晴	西北风1级	56 良	14	常温	42.8	17.6
4002	2021-12-28 周二	6	-5	多云~晴	西北风1级	64 良	11	常温	42.8	23.0
4003	2021-12-29 周三	5	-5	晴	西北风3级	43 优	10	常温	41.0	23.0
4004	2021-12-30 周四	6	-7	晴	西北风3级	38 优	13	常温	42.8	19.4
4005	2021-12-31 周五	5	-7	晴	东北风1级	44 优	12	常温	41.0	19.4

4006 rows × 10 columns

1. 按条件选择分组分别赋值
   按条件先选择数据，然后对这部分数据赋值新列
   实例：高低温差大于10度，则认为温差大

   先创建空列（这是第一种创建新列的方法）

   df['wencha_type']=''
   df.loc[df['最高温']-df['最低温']>10,'wencha_type']='温差大'
   df.loc[df['最高温']-df['最低温']<=10,'wencha_type']='温差正常'

   df['wencha_type'].value_counts()

   温差正常 2099
   温差大 1907
   Name: wencha_type, dtype: int64