不当后添加删除的列

Question

为了使计算机工作，我删除了“城市”列，并创建了一个名为“ data_numberOnly”的新数据框。拟合和变换后，我需要添加“城市”列。如何添加此列？

代码

import numpy as np
import pandas as pd
from numpy import nan
from sklearn.impute import SimpleImputer

columns = ['Population','PerCapita_Income','City']
p = np.array([[1,2.0, 'Atlanta'],[4,np.nan, 'Phoenix'],(1,3.,'Raleigh')])

#Create data frame from array
df3 = pd.DataFrame(p)
df3.columns = columns

#drop non-numeric columns for imputer to work
data_numberOnly = df3.drop('City', axis=1)

imp = SimpleImputer(missing_values=np.nan, strategy='mean')
imp.fit(data_numberOnly)     
X = imp.transform(data_numberOnly)
X

源数据框

转换后

Answer 1

您可以使用np.hstack

添加列

X = np.hstack([X,df3['City'][:,None]])

您需要[:,None]部分将pd.Series从1D转换为具有1列的2D阵列（也有类似的技巧）

X
array([[1.0, 2.0, 'Atlanta'],
       [4.0, 2.5, 'Phoenix'],
       [1.0, 3.0, 'Raleigh']], dtype=object)

Answer 2

您可以通过选择目标列将其替换回df3。

df3[['Population','PerCapita_Income']] = X

df3
    Population PerCapita_Income City
0   1   2   Atlanta
1   4   2.5 Phoenix
2   1   3   Raleigh

或创建一个新的

df = pd.DataFrame(X)
df['City'] = df3['City'].copy()
df.columns = columns
df

Population  PerCapita_Income    City
0   1.0 2.0 Atlanta
1   4.0 2.5 Phoenix
2   1.0 3.0 Raleigh