Question

我希望为pandas DataFrame中的单个新列中的每一行添加一个uuid。这显然用相同的uuid填充列：

import uuid
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3), columns=list('abc'),
                  index=['apple', 'banana', 'cherry', 'date'])
df['uuid'] = uuid.uuid4()
print(df)

               a         b         c                                  uuid
apple   0.687601 -1.332904 -0.166018  34115445-c4b8-4e64-bc96-e120abda1653
banana -2.252191 -0.844470  0.384140  34115445-c4b8-4e64-bc96-e120abda1653
cherry -0.470388  0.642342  0.692454  34115445-c4b8-4e64-bc96-e120abda1653
date   -0.943255  1.450051 -0.296499  34115445-c4b8-4e64-bc96-e120abda1653

我正在寻找的是“uuid＆＃39;”中每一行的新内容。柱。我也试过使用.apply（）和.map（）但没有成功。

Answer 1

这是一种方式：

df['uuid'] = [uuid.uuid4() for _ in range(len(df.index))]

Answer 2

在这里我不能说出计算效率，但是我在这里更喜欢语法，因为它与我通常用来生成新行的其他apply-lambda修改一致：

df['uuid'] = df.apply(lambda _: uuid.uuid4(), axis=1)

您还可以选择一个随机列来删除轴要求（为什么axis=0是默认值，我永远不会理解）：

df['uuid'] = df['col'].apply(lambda _: uuid.uuid4())

从技术上讲，这些缺点是您传递了实际上不使用的变量（_）。能够执行类似lambda: uuid.uuid4()之类的功能会比较好，但是apply不支持不带参数的lambas，这是合理的，因为其用例非常有限。

Answer 3

要创建新列，您必须具有足够的值来填充列。如果我们知道行数（通过计算数据帧的len），我们可以创建一组可以应用于列的值。

import uuid
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(4,3), columns=list('abc'),
                  index=['apple', 'banana', 'cherry', 'date'])


# you can create a simple list of values using a list comprehension 
#     based on the len (or number of rows) of the dataframe
df['uuid'] = [uuid.uuid4() for x in range(len(df))]
print(df)

apple  -0.775699 -1.104219  1.144653  f98a9c76-99b7-4ba7-9c0a-9121cdf8ad7f
banana -1.540495 -0.945760  0.649370  179819a0-3d0f-43f8-8645-da9229ef3fc3
cherry -0.340872  2.445467 -1.071793  b48a9830-3a10-4ce0-bca0-0cc136f09732
date   -1.286273  0.244233  0.626831  e7b7c65c-0adc-4ba6-88ab-2160e9858fc4

将uuid添加到pandas DataFrame中的新列

4 个答案: