In [1]: import pandas as pd

Data used for this tutorial:

Air quality data

在本教程中，使用了关于 \(NO_2\) 的空气质量数据，这些数据由 OpenAQ 提供，并使用了 py-openaq 包。air_quality_no2.csv 数据集提供了测量站 FR04014、BETR801 和 London Westminster 分别在巴黎、安特卫普和伦敦的 \(NO_2\) 值。

To raw data

In [2]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)

In [3]: air_quality.head()
Out[3]: 
                     station_antwerp  station_paris  station_london
datetime                                                           
2019-05-07 02:00:00              NaN            NaN            23.0
2019-05-07 03:00:00             50.5           25.0            19.0
2019-05-07 04:00:00             45.0           27.7            19.0
2019-05-07 05:00:00              NaN           50.4            16.0
2019-05-07 06:00:00              NaN           61.9             NaN

如何从现有列创建新列#

我想表达伦敦站点以毫克/立方米为单位的 \(NO_2\) 浓度。

(如果我们假设温度为25摄氏度，压力为1013百帕，转换因子为1.882)

In [4]: air_quality["london_mg_per_cubic"] = air_quality["station_london"] * 1.882

In [5]: air_quality.head()
Out[5]: 
                     station_antwerp  station_paris  station_london  london_mg_per_cubic
datetime                                                                                
2019-05-07 02:00:00              NaN            NaN            23.0               43.286
2019-05-07 03:00:00             50.5           25.0            19.0               35.758
2019-05-07 04:00:00             45.0           27.7            19.0               35.758
2019-05-07 05:00:00              NaN           50.4            16.0               30.112
2019-05-07 06:00:00              NaN           61.9             NaN                  NaN

要创建一个新列，请在赋值的左侧使用方括号 [] 并加上新列的名称。

备注

值的计算是按 元素逐个 进行的。这意味着给定列中的所有值会一次性乘以1.882。你不需要使用循环来迭代每一行！

我想检查巴黎和安特卫普的值的比例，并将结果保存在新列中。

In [6]: air_quality["ratio_paris_antwerp"] = (
   ...:     air_quality["station_paris"] / air_quality["station_antwerp"]
   ...: )
   ...: 

In [7]: air_quality.head()
Out[7]: 
                     station_antwerp  station_paris  station_london  london_mg_per_cubic  ratio_paris_antwerp
datetime                                                                                                     
2019-05-07 02:00:00              NaN            NaN            23.0               43.286                  NaN
2019-05-07 03:00:00             50.5           25.0            19.0               35.758             0.495050
2019-05-07 04:00:00             45.0           27.7            19.0               35.758             0.615556
2019-05-07 05:00:00              NaN           50.4            16.0               30.112                  NaN
2019-05-07 06:00:00              NaN           61.9             NaN                  NaN                  NaN

计算再次是逐元素进行的，因此 / 应用于 每一行的值 。

其他数学运算符 (+, -, *, /, …) 和逻辑运算符 (<, >, ==, …) 也按元素逐个工作。后者已经在子集数据教程中使用，以使用条件表达式过滤表的行。

如果你需要更高级的逻辑，你可以通过 apply() 使用任意 Python 代码。

我想将数据列重命名为 OpenAQ 使用的相应站点标识符。

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 Westminster  london_mg_per_cubic  ratio_paris_antwerp
datetime                                                                                           
2019-05-07 02:00:00      NaN      NaN                23.0               43.286                  NaN
2019-05-07 03:00:00     50.5     25.0                19.0               35.758             0.495050
2019-05-07 04:00:00     45.0     27.7                19.0               35.758             0.615556
2019-05-07 05:00:00      NaN     50.4                16.0               30.112                  NaN
2019-05-07 06:00:00      NaN     61.9                 NaN                  NaN                  NaN

rename() 函数可以用于行标签和列标签。提供一个字典，键为当前名称，值为新名称，以更新相应的名称。

映射不应仅限于固定名称，还可以是映射函数。例如，使用函数将列名称转换为小写字母也是可以的：

In [10]: air_quality_renamed = air_quality_renamed.rename(columns=str.lower)

In [11]: air_quality_renamed.head()
Out[11]: 
                     betr801  fr04014  london westminster  london_mg_per_cubic  ratio_paris_antwerp
datetime                                                                                           
2019-05-07 02:00:00      NaN      NaN                23.0               43.286                  NaN
2019-05-07 03:00:00     50.5     25.0                19.0               35.758             0.495050
2019-05-07 04:00:00     45.0     27.7                19.0               35.758             0.615556
2019-05-07 05:00:00      NaN     50.4                16.0               30.112                  NaN
2019-05-07 06:00:00      NaN     61.9                 NaN                  NaN                  NaN

To user guide

关于列或行标签重命名的详细信息在用户指南的重命名标签部分提供。

REMEMBER

通过在 [] 中指定新的列名，将输出赋值给 DataFrame 以创建一个新列。
操作是按元素进行的，不需要遍历行。
使用 rename 与字典或函数来重命名行标签或列名。

To user guide

用户指南包含一个关于列的添加和删除的单独章节。