图解Pandas的宝藏函数assign
本文介绍的是Pandas库中一个非常有用的函数：assign。
在我们处理数据的时候，有时需要根据某个列进行计算得到一个新列，以便后续使用，相当于是根据已知列得到新的列，这个时候assign函数非常方便。下面通过实例来说明函数的的用法。
Pandas文章
本文是Pandas文章连载系列的第21篇，主要分为3类：
基础部分：1-16篇，主要是介绍Pandas中基础和常用操作，比如数据创建、检索查询、排名排序、缺失值/重复值处理等常见的数据处理操作
进阶部分：第17篇开始讲解Pandas中的高级操作方法
对比SQL，学习Pandas：将SQL和Pandas的操作对比起来进行学习
参数
assign函数的参数只有一个：DataFrame.assign(**kwargs)。
代码语言：javascript复制**kwargs: dict of {str: callable or Series}关于参数的几点说明：
- 列名是关键字keywords
- 如果列名是可调用的，那么它们将在DataFrame上计算并分配给新的列
- 如果列名是不可调用的（例如：Series、标量scalar或者数组array），则直接进行分配
最后，这个函数的返回值是一个新的DataFrame数据框，包含所有现有列和新生成的列
导入库
代码语言：javascript复制import pandas as pd
import numpy as np# 模拟数据
df = pd.DataFrame({
"col1":[12, 16, 18],
"col2":["xiaoming","peter", "mike"]})
df.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
实例
当值是可调用的，我们直接在数据框上进行计算：
方式1：直接调用数据框
代码语言：javascript复制# 方式1：数据框df上调用
# 使用数据框df的col1属性，生成col3
df.assign(col3=lambda x: x.col1 / 2 20).dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </code></pre>
col1 | col2 | col3 | |
|---|---|---|---|
0 | 12 | xiaoming | 26.0 |
1 | 16 | peter | 28.0 |
2 | 18 | mike | 29.0 |
我们可以查看原来的df，发现它是不变的
代码语言：javascript复制df # 原数据框不变的.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
操作字符串类型的数据：
代码语言：javascript复制df.assign(col3=df["col2"].str.upper())方式2：调用Series数据
可以通过直接引用现有的Series或序列来实现相同的行为:
代码语言：javascript复制# 方式2：调用现有的Series来计算
df.assign(col4=df["col1"] * 3 / 4 25)df # 原数据不变.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
在Python3.6 中，我们可以在同一个赋值中创建多个列，并且其中一个列还可以依赖于同一个赋值中定义的另一列，也就是中间生成的新列可以直接使用：
代码语言：javascript复制df.assign(
col5=lambda x: x["col1"] / 2 10,
col6=lambda x: x["col5"] * 5, # 在col6计算中直接使用col5
col7=lambda x: x.col2.str.upper(),
col8=lambda x: x.col7.str.title() # col8中使用col7
)df # 原数据不变.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
如果我们重新分配的是一个现有的列，那么这个现有列的值将会被覆盖：
代码语言：javascript复制df.assign(col1=df["col1"] / 2) # col1直接被覆盖.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 6.0 | xiaoming |
1 | 8.0 | peter |
2 | 9.0 | mike |
对比apply函数
我们在pandas中同样可以使用apply函数来实现
代码语言：javascript复制df # 原数据.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
生成一个副本，我们直接在副本上操作：
代码语言：javascript复制df1 = df.copy() # 生成副本，直接在副本上操作
df2 = df.copy()
df1.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
df1.assign(col3=lambda x: x.col1 / 2 20).dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | col3 | |
|---|---|---|---|
0 | 12 | xiaoming | 26.0 |
1 | 16 | peter | 28.0 |
2 | 18 | mike | 29.0 |
df1 # df1保持不变.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | |
|---|---|---|
0 | 12 | xiaoming |
1 | 16 | peter |
2 | 18 | mike |
df1["col3"] = df1["col1"].apply(lambda x:x / 2 20)
df1 # df1已经发生了变化.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
col1 | col2 | col3 | |
|---|---|---|---|
0 | 12 | xiaoming | 26.0 |
1 | 16 | peter | 28.0 |
2 | 18 | mike | 29.0 |
我们发现：通过assign函数的操作，原数据是不变的，但是通过apply操作的数据已经变化了
BMI
最后在模拟一份数据，计算每个人的BMI。
身体质量指数，是BMI指数，简称体质指数，是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。
其中：体重单位是kg，身高单位是m
代码语言：javascript复制df2 = pd.DataFrame({
"name":["xiaoming","xiaohong","xiaosu"],
"weight":[78,65,87],
"height":[1.82,1.75,1.89]
})
df2.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
name | weight | height | |
|---|---|---|---|
0 | xiaoming | 78 | 1.82 |
1 | xiaohong | 65 | 1.75 |
2 | xiaosu | 87 | 1.89 |
# 使用assign函数实现
df2.assign(BMI=df2["weight"] / (df2["height"] ** 2))df2 # 不变.dataframe tbody tr th:only-of-type { vertical-align: middle; } <pre><code>.dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: left; } </code></pre>
name | weight | height | |
|---|---|---|---|
0 | xiaoming | 78 | 1.82 |
1 | xiaohong | 65 | 1.75 |
2 | xiaosu | 87 | 1.89 |
df2["BMI"] = df2["weight"] / (df2["height"] ** 2)
df2 # df2生成了一个新的列：BMI总结
通过上面的例子，我们发现：
- 使用assign函数生成的DataFrame是不会改变原来的数据，这个DataFrame是新的
- assign函数能够同时操作多个列名，并且中间生成的列名能够直接使用
- assign和apply的主要区别在于：前者不改变原数据，apply函数是在原数据的基础上添加新列
