dask.dataframe.DataFrame.assign

dask.dataframe.DataFrame.assign¶

DataFrame.assign(**kwargs)[源代码]¶

将新列分配给 DataFrame。

此文档字符串是从 pandas.core.frame.DataFrame.assign 复制过来的。

Dask 版本可能存在一些不一致性。

返回一个包含所有原始列以及新列的新对象。重新分配的现有列将被覆盖。

参数

**kwargsdict of {str: callable or Series}: 列名是关键字。如果值是可调用的，它们会在 DataFrame 上计算并分配给新列。可调用对象不能更改输入的 DataFrame（尽管 pandas 不会检查这一点）。如果值不可调用（例如，Series、标量或数组），它们将直接分配。

返回

DataFrame: 一个新的 DataFrame，包含新的列以及所有现有的列。

注释

在同一个 assign 中分配多个列是可行的。’**kwargs’ 中的后续项可以引用在 ‘df’ 中新建或修改的列；这些项会按顺序计算并分配到 ‘df’ 中。

示例

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

当值是一个可调用对象时，在 df 上进行评估：

>>> 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

你可以在同一个分配中创建多个列，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

dask.dataframe.DataFrame.applymap

dask.dataframe.DataFrame.astype