maxframe.dataframe.DataFrame.assign#

DataFrame.assign(**kwargs)[源代码]#

为 DataFrame 分配新列。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:: **kwargs (dict of {str: callable or Series}) -- 列名是关键字。如果值是可调用的，则在 DataFrame 上计算并分配给新列。可调用对象不得更改输入 DataFrame（尽管 pandas 不会检查）。如果值不可调用（例如 Series、标量或数组），则直接分配。
返回:: 一个包含所有现有列以及新列的新 DataFrame。
返回类型:: DataFrame

备注

可以在同一个 assign 中分配多个列。'kwargs' 中后面的项可以引用 'df' 中新创建或修改的列；各项按顺序计算并分配到 'df' 中。

示例

>>> import maxframe.dataframe as md
>>> df = md.DataFrame({'temp_c': [17.0, 25.0]},
...                   index=['Portland', 'Berkeley'])
>>> df.execute()
          temp_c
Portland    17.0
Berkeley    25.0

当值是可调用对象时，在 df 上进行求值：

>>> df.assign(temp_f=lambda x: x.temp_c * 9 / 5 + 32).execute()
          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).execute()
          temp_c  temp_f
Portland    17.0    62.6
Berkeley    25.0    77.0

你可以在同一个 assign 中创建多个列，其中一个列依赖于同一 assign 中定义的另一个列：

>>> df.assign(temp_f=lambda x: x['temp_c'] * 9 / 5 + 32,
...           temp_k=lambda x: (x['temp_f'] +  459.67) * 5 / 9).execute()
          temp_c  temp_f  temp_k
Portland    17.0    62.6  290.15
Berkeley    25.0    77.0  298.15