Question

我们可以为熊猫分配新的列，也可以在一个瓢中声明数据类型吗？

df = pd.DataFrame({'BP': ['100/80'],'Sex': ['M']})
df2 = (df.drop('BP',axis=1)
       .assign(BPS =  lambda x: df.BP.str.extract('(?P<BPS>\d+)/'))
       .assign(BPD =  lambda x: df.BP.str.extract('/(?P<BPD>\d+)'))
        )

print(df2)
df2.dtypes

我们可以仅使用链接表达式将dtype设置为np.float吗？

Answer 1

在astype值时添加assign

df2 = (df.drop('BP',axis=1)
       .assign(BPS =  lambda x: df.BP.str.extract('(?P<BPS>\d+)/').astype(float))
       .assign(BPD =  lambda x: df.BP.str.extract('/(?P<BPD>\d+)').astype(float))
       )
df2.dtypes
Sex     object
BPS    float64
BPD    float64
dtype: object

我会做什么

df.assign(**df.pop('BP').str.extract(r'(?P<BPS>\d+)/(?P<BPD>\d+)').astype(float))
  Sex    BPS   BPD
0   M  100.0  80.0

Answer 2

很明显，您没有没有可以这样做，但是您可以。

df.drop('BP', 1).join(
    df['BP'].str.split('/', expand=True)
            .set_axis(['BPS', 'BPD'], axis=1, inplace=False)
            .astype(float))

  Sex    BPS   BPD
0   M  100.0  80.0

您可以取消两个str.extract通话，而只需一个str.split通话。然后，您可以拨打一个 astype。

就个人而言，如果您问我有关样式的问题，我会说这看起来更优雅：

u = (df['BP'].str.split('/', expand=True)
             .set_axis(['BPS', 'BPD'], axis=1, inplace=False)
             .astype(float))
df.drop('BP', 1).join(u)


  Sex    BPS   BPD
0   M  100.0  80.0

Answer 3

使用df.insert：

import pandas as pd

df = pd.DataFrame([[1, 2], [3, 4]], columns=['a', 'b'])
print('df to start with:', df, '\ndtypes:', df.dtypes, sep='\n')
print('\n')

df.insert(
    len(df.columns), 'new col 1', pd.Series([[1, 2, 3], 'a'], dtype=object))
df.insert(
    len(df.columns), 'new col 2', pd.Series([1, 2, 3]))
df.insert(
    len(df.columns), 'new col 3', pd.Series([1., 2, 3]))
print('df with columns added:', df, '\ndtypes:', df.dtypes, sep='\n')

输出

df to start with:
   a  b
0  1  2
1  3  4

dtypes:
a    int64
b    int64
dtype: object


df with columns added:
   a  b  new col 1  new col 2  new col 3
0  1  2  [1, 2, 3]          1        1.0
1  3  4          a          2        2.0

dtypes:
a              int64
b              int64
new col 1     object
new col 2      int64
new col 3    float64
dtype: object

Answer 4

只需分配所需类型的 key 数组（受 related question/answer 启发）。

numpy

输出

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'a': np.array([1, 2, 3], dtype=int),
    'b': np.array([4, 5, 6], dtype=float),
    })
print('df to start with:', df, '\ndtypes:', df.dtypes, sep='\n')
print('\n')

df['new col 1'] = np.array([[1, 2, 3], 'a', np.nan], dtype=object)
df['new col 2'] = np.array([1, 2, 3], dtype=int)
df['new col 3'] = np.array([1, 2, 3], dtype=float)
print('df with columns added:', df, '\ndtypes:', df.dtypes, sep='\n')

在熊猫中添加具有特定dtype的新列

4 个答案: