假设你有一个数据帧DF如何添加列到数据帧中的大熊猫
ID data
1 1234 123
2 1234 213
3 1234 432
4 1234 32
5 1234 54
6 5678 67
你想添加一个名为“计算”新列返回一个温控功能: 数据[1] - 数据[0]/data [0](因为我们需要来自前一个单元格的数据,'计算'的第一个单元格将为0)
我们如何添加此列如何编写此函数,不在数据存储的同一行上?
假设你有一个数据帧DF如何添加列到数据帧中的大熊猫
ID data
1 1234 123
2 1234 213
3 1234 432
4 1234 32
5 1234 54
6 5678 67
你想添加一个名为“计算”新列返回一个温控功能: 数据[1] - 数据[0]/data [0](因为我们需要来自前一个单元格的数据,'计算'的第一个单元格将为0)
我们如何添加此列如何编写此函数,不在数据存储的同一行上?
在你提到的情况下,你会使用diff
。例如:
import pandas as pd
df = pd.DataFrame({'data':[123, 312, 432, 32, 54, 67]})
df['new'] = df['data'].diff()/df['data']
其中产量:
data new
0 123 NaN
1 312 0.605769
2 432 0.277778
3 32 -12.500000
4 54 0.407407
5 67 0.194030
在一般情况下,虽然,这些类型的东西都是量化的技巧。转移和切片可能非常有用。例如,假设我们想
(data[i] + data[i+1])/data[i]
如果你熟悉numpy的数组,你可能会尝试:
df['new'] = (df['data'][:-1] + df['data'][1:])/df['data']
,因为这样pandas
处理自动对齐,这样的结果会比略有不同我们以前的一个:
data new
0 123 NaN
1 312 2
2 432 2
3 32 2
4 54 2
5 67 NaN
因此,pandas
这是更好的顺序明确转向,而不是使用切片,该类别中ASE:
df['new'] = (df['data'].shift(1) + df['data'])/df['data'].astype(float)
这产生了:
data new
0 123 NaN
1 312 1.394231
2 432 1.722222
3 32 14.500000
4 54 1.592593
5 67 1.805970
你仅仅可以找到相对差,然后归咎于一个0:
import pandas as pd
df = pd.DataFrame({
'data': range(5)
})
df['calc'] = (df.data.shift(1) - df.data)/df.data
df.calc.values[0] = 0
>>> df
data calc
0 0 0
1 1 -1.000000
2 2 -0.500000
3 3 -0.333333
4 4 -0.250000
5 rows × 2 columns