dask_expr._collection.DataFrame.assign
dask_expr._collection.DataFrame.assign¶
- DataFrame.assign(**pairs)[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