Pandas实现转换产生新列的项目实践
更新时间：2024年12月27日 08:32:51 作者：Alex_StarSky
本文主要介绍了Pandas实现转换产生新列,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。此处选择巴黎、伦敦欧洲城市空气质量监测NO2数据作为样例。
列的转换：乘以常数
拿到表格数据后，很多情况下是不能直接就用，还需要对数据进行加工处理。比如知道NO2监测值后，想知道比如伦敦的浓度是多少？假如单位是m g / m 3 mg/m3。这里假设温度25摄氏度，大气压1013hPa，根据化学公式可以知道，转换因子为 1.882。也就是该列每个元素都乘以因子。
In [1]: air_quality["london_mg_per_cubic"] = air_quality["station_london"] * 1.882
In [2]: air_quality.head()
Out[2]:
station_antwerp ... london_mg_per_cubic
datetime ...
2019-05-07 02:00:00 NaN ... 43.286
2019-05-07 03:00:00 50.5 ... 35.758
2019-05-07 04:00:00 45.0 ... 35.758
2019-05-07 05:00:00 NaN ... 30.112
2019-05-07 06:00:00 NaN ... NaN
[5 rows x 4 columns]
这里，创建新的列，可以用’ [] '， 括号内使用新的列属性名称，作为赋值的左边，右边为转换操作。
比如这里的乘法计算，常数是乘以操作列的每一个元素。
两列的计算
比如需要求Paris 和 Antwerp的监测值的比率，结果保存到新列中。
In [3]: air_quality["ratio_paris_antwerp"] = (
...: air_quality["station_paris"] / air_quality["station_antwerp"]
...: )
...:
In [4]: air_quality.head()
Out[4]:
station_antwerp ... ratio_paris_antwerp
datetime ...
2019-05-07 02:00:00 NaN ... NaN
2019-05-07 03:00:00 50.5 ... 0.495050
2019-05-07 04:00:00 45.0 ... 0.615556
2019-05-07 05:00:00 NaN ... NaN
2019-05-07 06:00:00 NaN ... NaN
[5 rows x 5 columns]
事实上，计算仍然是以元素为单位的，除法符号应用到每个元素的值。同样，也可以进行加减乘除等运算操作 (+, -, *, /,…) 和逻辑运算操作 (<, >, ==,…) 。逻辑运算，其实在数据表的条件筛选，生成数据子集的操作中大量使用。
更复杂的操作，可以使用apply()函数。
还有很常见的情形，原来的列命名不喜欢，想换个更合适的名字，就可以用rename()函数。
这里就把“station_antwerp” 转换为“BETR801”
In [8]: air_quality_renamed = air_quality.rename(
...: columns={
...: "station_antwerp": "BETR801",
...: "station_paris": "FR04014",
...: "station_london": "London Westminster",
...: }
...: )
...:
In [9]: air_quality_renamed.head()
Out[9]:
BETR801 FR04014 ... london_mg_per_cubic ratio_paris_antwerp
datetime ...
2019-05-07 02:00:00 NaN NaN ... 43.286 NaN
2019-05-07 03:00:00 50.5 25.0 ... 35.758 0.495050
2019-05-07 04:00:00 45.0 27.7 ... 35.758 0.615556
2019-05-07 05:00:00 NaN 50.4 ... 30.112 NaN
2019-05-07 06:00:00 NaN 61.9 ... NaN NaN
[5 rows x 5 columns]
不仅仅是指定名称，也可以进行map函数操作。例如，把列名都更换为小写字母。
In [10]: air_quality_renamed = air_quality_renamed.rename(columns=str.lower)
In [11]: air_quality_renamed.head()
Out[11]:
betr801 fr04014 ... london_mg_per_cubic ratio_paris_antwerp
datetime ...
2019-05-07 02:00:00 NaN NaN ... 43.286 NaN
2019-05-07 03:00:00 50.5 25.0 ... 35.758 0.495050
2019-05-07 04:00:00 45.0 27.7 ... 35.758 0.615556
2019-05-07 05:00:00 NaN 50.4 ... 30.112 NaN
2019-05-07 06:00:00 NaN 61.9 ... NaN NaN
[5 rows x 5 columns]
以上代码只是一个简单示例，示例代码中的表达式可以根据实际问题进行修改。
到此这篇关于Pandas实现转换产生新列的项目实践的文章就介绍到这了,更多相关Pandas 转换产生新列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python中的数据类dataclass使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-01-01
本文主要介绍了python文件编译为pyc后运行的实现步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-02-02
这篇文章主要介绍了python实现一个函数版的名片管理系统过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
这篇文章主要介绍了如何基于python3和Vue实现AES数据加密,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
这篇文章主要介绍了Python Django基础二之URL路由系统 的相关资料,需要的朋友可以参考下2019-07-07
这篇文章主要介绍了Python内置函数详细解析，Python 自带了很多的内置函数，极大地方便了我们的开发，下文小编总结了一些内置函数的相关内容，需要的小伙伴可以参考一下2022-05-05
这篇文章主要介绍了python的类class定义及其初始化方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-05-05
这篇文章主要介绍了python中的itertools的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-01-01
本文主要介绍了python验证公网ip与内网ip的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-07-07
这篇文章主要给大家总结介绍了Python中判断子串存在的性能比较及分析的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2019-06-06
最新评论