使用 assign()方法在Pandas DataFrame中创建一个新的列。

在Pandas DataFrame中，`assign()`是一个非常有用的方法，它允许你在现有的DataFrame上添加新的列，通过指定新的列名和相应的计算规则来生成新值。这个方法接受一个字典作为参数，字典的键是新列的名称，值是一个函数或表达式，该函数或表达式会应用于DataFrame的每一行。

例如，假设你有一个包含年龄（age）和薪水（salary）的数据框，你想根据年龄将员工分为几个组，并为每个组分配一个标签（如青年、中年、老年），你可以这样做：

import pandas as pd

# 假设我们有这样一个DataFrame
df = pd.DataFrame({
   'age': [25, 30, 45, 50, 60],
   'salary': [50000, 60000, 80000, 90000, 100000]
})

# 使用assign()创建新的'group'列
def group_by_age(age):
    if age < 30:
        return '青年'
    elif age >= 30 and age < 60:
        return '中年'
    else:
        return '老年'

df = df.assign(group=df['age'].apply(group_by_age))

print(df)

这将在原始DataFrame上增加了一个名为'group'的新列，其中的值取决于'age'列的内容。

相关问题

使用 assign (）方法在 Pandas DataFrame 中创建一个新的列。

在Pandas DataFrame中，`assign()`方法是一个非常实用的功能，它允许你在DataFrame上动态添加新的列。这个方法接受一个字典，其中键是新列的名称，值是用于生成新值的函数或表达式，该函数将应用于DataFrame当前的所有行。

例如，如果你有一个包含年龄的DataFrame，你可以计算每个人的生日对应的星座（假设我们知道每个星座的日期范围），你可以这样做：

import pandas as pd

# 假设 df 是一个包含 'age' 列的 DataFrame
df = pd.DataFrame({'age': [20, 25, 30, 35], 'name': ['Alice', 'Bob', 'Charlie', 'Dave']})

# 创建一个新的列 'zodiac'，表示每个个体的星座
def get_zodiac(age):
    if age >= 20 and age < 24:
        return 'Aquarius'
    elif age >= 24 and age < 29:
        return 'Pisces'
    # 更多的星座判断...

df = df.assign(zodiac=[get_zodiac(age) for age in df['age']])

print(df)

在这个例子中，`assign()`方法会为每一行的年龄应用`get_zodiac()`函数，然后返回一个新的DataFrame，其中包含了原有的`age`和`name`列以及新创建的`zodiac`列。

使用 assign() 方法在 Pandas DataFrame 中创建一个新的列。

在 Pandas DataFrame 中，`assign()` 方法是一个非常有用的工具，它允许你根据给定的条件或表达式动态地向 DataFrame 中添加新的列。这个方法接受一个字典作为参数，其中键是新列的名称，值是对原有数据的操作，或者是对这些数据的新计算结果。

例如，假设我们有一个包含 'age' 和 'income' 列的 DataFrame，我们可以用 `assign()` 来创建一个新列 'age_group'，根据年龄分组：

import pandas as pd

# 假设我们有这样一个简单的 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'Dave'],
    'age': [25, 30, 35, 40],
    'income': [50000, 60000, 70000, 80000]
}
df = pd.DataFrame(data)

# 我们可以这样创建一个新的 'age_group' 列，比如将年龄分为 'Young' (0-30), 'Middle-aged' (31-45), 'Old' (46+):
new_column = {'age_group': lambda x: 'Young' if x < 31 else ('Middle-aged' if x < 46 else 'Old')}
df = df.assign(**new_column)

# 新的 DataFrame 就会包含原始的 'age' 和 'income' 列以及新添加的 'age_group' 列
df

在这个例子中，`lambda x: ...` 是一个匿名函数，它接收整个 'age' 列作为输入 x，然后根据年龄区间返回相应的 'age_group'。`**new_column` 表示将字典中的所有键值对展开成多个参数传递给 `assign()` 函数。