pandas.DataFrame.assign #

数据框。分配( ** kwargs ) [来源] #

将新列分配给 DataFrame。

返回一个新对象，其中包含除新列之外的所有原始列。重新分配的现有列将被覆盖。

参数：

**kwargs字典 {str: callable or Series}: 列名是关键字。如果这些值是可调用的，则会在 DataFrame 上计算它们并分配给新列。可调用不得更改输入 DataFrame（尽管 pandas 不检查它）。如果值不可调用（例如系列、标量或数组），则仅对它们进行赋值。

返回：

数据框: 除了所有现有列之外，还包含新列的新 DataFrame。

笔记

assign可以在同一列中分配多个列。 '**kwargs' 中的后续项目可能引用 'df' 中新创建或修改的列；项目按顺序计算并分配到“df”中。

例子

>>> df = pd.DataFrame({'temp_c': [17.0, 25.0]},
...                   index=['Portland', 'Berkeley'])
>>> df
          temp_c
Portland    17.0
Berkeley    25.0

其中值是可调用的，在df上求值：

>>> df.assign(temp_f=lambda x: x.temp_c * 9 / 5 + 32)
          temp_c  temp_f
Portland    17.0    62.6
Berkeley    25.0    77.0

或者，可以通过直接引用现有的 Series 或序列来实现相同的行为：

>>> df.assign(temp_f=df['temp_c'] * 9 / 5 + 32)
          temp_c  temp_f
Portland    17.0    62.6
Berkeley    25.0    77.0

您可以在同一分配中创建多个列，其中一列依赖于同一分配中定义的另一列：

>>> df.assign(temp_f=lambda x: x['temp_c'] * 9 / 5 + 32,
...           temp_k=lambda x: (x['temp_f'] + 459.67) * 5 / 9)
          temp_c  temp_f  temp_k
Portland    17.0    62.6  290.15
Berkeley    25.0    77.0  298.15