pandas每天一题-题目14：新增列的多种方式

这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。

我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。

计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！

上期文章：pandas每天一题-题目13：文本筛选

后台回复"数据"，可以下载本题数据集

如下数据：

1import pandas as pd
2import numpy as np
3
4df = pd.read_csv('chipotle.tsv',
5                 sep='\t',
6                 converters={'item_price': lambda x: float(x[1:-1])})

数据描述：

• 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
• order_id 列存在重复
• item_name 是明细项物品名称
• quantity 是明细项数量
• item_price 是该明细项的总价钱

前面章节讲解过的知识点，本文不再讲解！

**需求：新增一列 unit_price ，计算方式为 item_price/quantity **

下面是答案了

注意，本文所有方式，都可以用于新增列和修改原有列数据

方式1

网络上最常出现的方式：

1df['unit_price'] = df['item_price'] / df['quantity']
2df

点评：

这种方式最大的缺点是修改了原数据

方式2

简单的表达式，可以使用 eval 进一步简化：

1df.eval('unit_price = item_price/quantity')

注意，方法返回一个新的 DataFrame，而原来的表格(df)并没有改变

点评：

1. eval 非常适合一些简单的表达式
2. 由于计算逻辑是字符串，此时可以把计算逻辑放入 excel 表格中
3. 不会修改原数据，适合临时数据列

方式3

为什么 eval 只能用在简单的表达式？因为复杂的表达式它无法从文本中解析。

而方式1又比较繁琐，并且会改变原数据。

为此，pandas 提供一个方法：

1df.assign(unit_price = df.item_price/df.quantity)

初学者可能不太理解这里的写法，实际上它只不过是普通的方法调用。

1value = df.item_price/df.quantity
2df.assign(unit_price = value)

• 行1：2个列计算，得到的仍然是一列(Series)
• 行2：调用 assign 方法，给参数 unit_price 赋值

assign 方法是动态参数，也就是说任何 df 没有的列名作为参数，视为新增列。存在的列名作为参数，视为覆盖原有列

但是，这种设计有一个缺陷，python 参数名字是有限制，比如参数名字不能有空格。

那么如果列名真的需要有空格怎么办？

我们可以利用字典解包方式调用方法：

1args = {
2    '单 价':df.item_price/df.quantity
3}
4df.assign(**args)

这里还不能体现出复杂表达式的场景，例如我们加载数据时没有处理 item_price 列，此时这一列是文本。

我们可以在表达式中做文本转数值以及计算单价2步操作：

1df = pd.read_csv('chipotle.tsv', sep='\t')
2
3args = {
4    '单 价': df.item_price.apply(lambda x: float(x[1:-1])) / df.quantity
5}
6
7df.assign(**args)

关于文本转数值请回看之前的章节

推荐阅读：

1. 懂Excel就能轻松入门Python数据分析包pandas(十二)：多列堆叠
2. 懂Excel就能轻松入门Python数据分析包pandas(十一)：分段匹配