새로 추가 열 수 있는 기존 다테프라임 파이썬 판다

나는 함께 다음 인덱스된 다테프라임 release. 열과 행으로 아냐 - 횡단면도 번호:

          a         b         c         d
2  0.671399  0.101208 -0.181532  0.241273
3  0.446172 -0.243316  0.051767  1.577318
5  0.614758  0.075793 -0.451460 -0.012493

& # 39, 새로운 열이 추가 싶다 ',', 기존 데이터 프레임을 e& # 39 의 데이터 프레임을 아무것도 바꾸지 않으려는 (즉, 새로운 열이 다테프라임 같은 길이의 항상 가지고 있다).

0   -0.335485
1   -1.166658
2   -0.385571
dtype: float64

다른 버전의 '찾았다', '병합', ',' 덮어쓰기/추가 참가하십시오 받지 않았고, 그 결과, 하지만 나는 내가 원하는 오류만 많아야. 위의 예제를 add column) 'e' 를 어떻게 해야 합니까?

Brad Solomon
편집된 질문1일 12월 2017 в 4:52
프로그래밍
python pandas dataframe chained-assignment
23일 9월 2012 в 7:00
30 파운드
해결책

당초 df1 인덱스를 사용하여 만듭다 시리즈:

df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
  • 편집할지 2015년 * 일부 '와' 이 코드를 가져오는 보고됨 세팅비트코피워닝. 그러나 아직 완벽하게 런입니다 코드 버전 0.16.1 현재 판다.
>>> sLength = len(df1['a'])
>>> df1
          a         b         c         d
6 -0.269221 -0.026476  0.997517  1.294385
8  0.917438  0.847941  0.034235 -0.448948

>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e
6 -0.269221 -0.026476  0.997517  1.294385  1.757167
8  0.917438  0.847941  0.034235 -0.448948  2.228131

>>> p.version.short_version
'0.16.1'

잘못된 것을 목표로 하고 있는 것 '이' 의 세팅비트코피워닝 할당에서는 복제본이므로 다테프라임. # 39, 반드시 이 doesn& t say you 그것을했다 잘못된 (포지티브 거짓값 트리거할 수 있습니다) 에서 이 같은 목적을 위한 적절한 방법을 0.13.0 알리는 것이 더 많다. 만일 확보하십시오 경고, 그냥 준수하십시오 권고하고 있다. 트로스 사용해 보고 [row_index, col_indexer] = value 대신 

>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)
>>> df1
          a         b         c         d         e         f
6 -0.269221 -0.026476  0.997517  1.294385  1.757167 -0.050927
8  0.917438  0.847941  0.034235 -0.448948  2.228131  0.006109
>>>

사실 이 현재 보다 효율적인 방법으로 [에 설명됨 판다 docs] [1]

  • 편집할지 2017년 *

현재 나와 있는 대로 추가 설명을 위한 가장 좋은 방법을 통해 @Alexander 값을 사용할 수 있는 일련의 새로운 열로 다테프라임 '' 할당할지:

df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)

[1]: # 인덱스화를 대對 복제본에 보기 http://pandas.pydata.org/pandas-docs/stable/indexing.html

EliadL
편집된 답변4일 11월 2019 в 3:49
해설 (27)

이것은 간단한 방법을 추가 열: df ' [& # 39, e& # 39;] = e '

해설 (4)

&gt. # 39, & # 39 e& 새 열을 추가하기에서는 싶다;;, 기존 데이터 프레임을 아무것도 바꾸지 벤자민에 데이터 프레임을. (이 시리즈는 항상 같은 길이의 잡을라는데 비호환성의 다테프라임.)

내가 '에서' 에서 'e' 인덱스 값이 일치하는 df1 가정합니다.

가장 쉬운 방법은 할당하고, 그 값은 새로운 열이 개시하려면 'e' 에서 'e' 시리즈.

df['e'] = e.values
  • 할당할지 (판다 0.16.0+) *

판다 0.16.0 vmware. 사용할 수도 있습니다 새로운 열 수 있는 '할당할지' 와 (a copy) 를 새 객체를 되돌려줍니다 color_name 다테프라임 모든 원본 열 외에도 새로운 수준들과.

df1 = df1.assign(e=e.values)

따라 이 예 (이 역시 dm_ownerdm_owner 소스 코드 '의' 할당할지 기능), 둘 이상의 열을 포함할 수도 있습니다.

df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
>>> df.assign(mean_a=df.a.mean(), mean_b=df.b.mean())
   a  b  mean_a  mean_b
0  1  3     1.5     3.5
1  2  4     1.5     3.5

상황에 맞게 예:

np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(10, 4), columns=['a', 'b', 'c', 'd'])
mask = df1.applymap(lambda x: x >> df1
          a         b         c         d
0  1.764052  0.400157  0.978738  2.240893
2 -0.103219  0.410599  0.144044  1.454274
3  0.761038  0.121675  0.443863  0.333674
7  1.532779  1.469359  0.154947  0.378163
9  1.230291  1.202380 -0.387327 -0.302303

>>> e
0   -1.048553
1   -1.420018
2   -1.706270
3    1.950775
4   -0.509652
dtype: float64

df1 = df1.assign(e=e.values)

>>> df1
          a         b         c         d         e
0  1.764052  0.400157  0.978738  2.240893 -1.048553
2 -0.103219  0.410599  0.144044  1.454274 -1.420018
3  0.761038  0.121675  0.443863  0.333674 -1.706270
7  1.532779  1.469359  0.154947  0.378163  1.950775
9  1.230291  1.202380 -0.387327 -0.302303 -0.509652

이 새로운 기능에 대한 설명을 했을 때 가장 먼저 도입한 korea. [here] [3].

[3]: # 다테프라임 할당할지 http://pandas.pydata.org/pandas-docs/stable/whatsnew/v0.16.0.html

fantabolous
편집된 답변29일 5월 2019 в 2:20
해설 (8)

최근 버전을 사용할 수 있는 길을 갈 것 같다고 판다 [드f.라시니] (http://pandas.pydata.org/pandas-docs/stable/dsintro.html # 의 새 열 지정 방법은 체인을):

'df1 = df1.assign (e = np.란도메이휴란트너 (슬래스)'

39 깔의 ',' t it doesn& 세팅비트코피워닝.

AkshayNevrekar
편집된 답변3일 10월 2018 в 7:39
해설 (1)

이렇게 하면 누마피 을 통해 직접 적용될 수 있는 가장 효율적인:

df1['e'] = np.random.randn(sLength)

내 원래 (매우 오래된) 는 '추천' 매핑해야 알아두십시오 사용할 수 있는 훨씬 느린):

df1['e'] = df1['a'].map(lambda x: np.random.random())
해설 (2)

슈퍼 단순해졌습니다 열 할당에서는

단 한 마리의 다테프라임 순서화된 딕트 구현됩니다.

즉, 'getitem' ' []' 가 아니라 '특정 열을 얻기 위해 사용될 수 있지만,' ' [] =' 새 열을 할당하십시오 setitem 사용할 수 있습니다.

예를 들어, 추가된 이 다테프라임 사용하기만 하면 ' []' 액세서의 열 수 있습니다.

    size      name color
0    big      rose   red
1  small    violet  blue
2  small     tulip   red
3  small  harebell  blue

df['protected'] = ['no', 'no', 'no', 'yes']

    size      name color protected
0    big      rose   red        no
1  small    violet  blue        no
2  small     tulip   red        no
3  small  harebell  blue       yes

참고로 이 경우에도 이 작동됨 색인입니다 다테프라임 꺼졌기.

df.index = [3,2,1,0]
df['protected'] = ['no', 'no', 'no', 'yes']
    size      name color protected
3    big      rose   red        no
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue       yes

[] = 이 길을 갈 수 있지만, 조심하세요!

그러나 '와' 할 경우 파트리시리스 할당하십시오 다테프라임 indexe 꺼져 있는 한, 실행할 수 있는 문제입니다. 예제:

df['protected'] = pd.Series(['no', 'no', 'no', 'yes'])
    size      name color protected
3    big      rose   red       yes
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue        no

기본적으로 파트리시리스 때문이다 '' 는 0 에서 n = '판다' [] 열거됩니다 인덱스화할 등 할 수 있는 방법을 &quot smart&quot , ,

실제로 어떤 일이 일어나고 있다.

[] = '판다' 는 조용히 수행 방법을 사용할 때 외부 조인 또는 외부 병합해야 색인입니다 다테프라임 오른쪽 및 왼쪽 손을 사용하여 색인입니다 시리즈. df ' [& # 39, column& # 39;] = 시리즈 '

때는기대어 참고

이 때문에 [] = '인지부조화' 가 빠르게 하는 방법을 많이 할 다른 입력에 따라 그 결과는 예측할 수 없는 것을 알고 그냥 않으면 얼마나 판다 "고 답했다. 따라서 나는 ' [] =' 에 대한 조언을 하였을 때는 탐험이요 data-in 노트북 코드 기반을 것이 좋다.

문제를 중심으로 것 같다.

필요할 경우 '와' 파트리시리스 위에서 아래로 지정받습니다 경우, 또는 코딩 생산적인 코드와 확실하지 않은 것은 그만한 가치가 오더할 인덱스화할 보호하기 위해 이러한 형태의 배정됩니다.

이 '또는' 목록 '을' np. 드라이 파트리시리스 돌아가도 록 하여주소서 수 있습니다 '트릭', 이렇게 하면 됩니다.

df['protected'] = pd.Series(['no', 'no', 'no', 'yes']).values

또는

df['protected'] = list(pd.Series(['no', 'no', 'no', 'yes']))

그러나 이는 별로 없는 explicit.

이봐, 이 모양을 따라 일부 기반 부호화 올 수도 있다. # 39 라고 &quot 패브릭용 I&, ll, 그냥 이 away&quot 최적화합니다.

명시성 운행에서어떠한

'설정' 이 'df' 가 될 수 있는 색인입니다 파트리시리스 색인입니다 명시성.

df['protected'] = pd.Series(['no', 'no', 'no', 'yes'], index=df.index)

좀더 현실적으로, 있을 수 있습니다 '또는' a '파트리시리스 이미 사용할 수 있습니다.

protected_series = pd.Series(['no', 'no', 'no', 'yes'])
protected_series.index = df.index

3     no
2     no
1     no
0    yes

지정할 수 있습니다.

df['protected'] = protected_series

    size      name color protected
3    big      rose   red        no
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue       yes

다른 방법을 통해 'df.reset_index ()'

Index 불협화음 느낄 경우, 이 문제가 있다는 것을 안 됩니다 색인입니다 다테프라임 한다고 하는 것은 매우 빠르지만 인덱스화하여 드롭합니다 되어야 합니다 지금 , 는 아마도 함수은 청소하십시오 있으므로 두 가지입니다.

df.reset_index(drop=True)
protected_series.reset_index(drop=True)
df['protected'] = protected_series

    size      name color protected
0    big      rose   red        no
1  small    violet  blue        no
2  small     tulip   red        no
3  small  harebell  blue       yes

참고) 에 '드f.라시니'

'동시에' 드f.라시니 보다 적합한 명시성 너희는너희가, 실제로는 위의 ' [] 로 하고 있다' 는 모두 같은 문제 =

df.assign(protected=pd.Series(['no', 'no', 'no', 'yes']))
    size      name color protected
3    big      rose   red       yes
2  small    violet  blue        no
1  small     tulip   red        no
0  small  harebell  blue        no

Watch out with '그냥' 드f.라시니 해당 열이 없는 '라는 자체'. 이 오류가 발생합니다. 따라서 '냄새나는 , 있기 때문에 이 같은 가공물은 드f.라시니' 의 특징이다.

df.assign(self=pd.Series(['no', 'no', 'no', 'yes'])
TypeError: assign() got multiple values for keyword argument 'self'

39, ll, 뭐, 그냥 &quot 말하도다 I& 사용하지 않을 수 있습니다 '자가' then". 하지만 이 기능을 지원하기 위해 새로운 미래를 아는 변화를 인수만. 어쩌면 네 이름은 인수를 통해 새 업데이트, 열 마리의 업그레이드하기를 문제가 발생할 수 있습니다.

해설 (1)

완전히 새로운 열을 초기 기본 값으로 설정할 경우 (예를 들어 '없음') 이 작업을 수행할 수 있습니다. df1 ' [& # 39, e& # 39;] '= 없음

사실은 이 아니하였으매 &quot 할당할지 object"; 셀의 유형을. 그래서 나중에 you&, re free to # 39 를 나열하십시오 동일팔레트에 복집한 데이터 유형, 같은 개별 셀입니다.

해설 (2)

쉽게 방법 -

data['new_col'] = list_of_values

data.loc[ : , 'new_col'] = list_of_values
AkshayNevrekar
편집된 답변5일 12월 2018 в 9:13
해설 (0)

39, 정보기술 (it) ',' 나는 attaboy 를 띄게 세팅비트코피워닝 wasn& 일로스 구문을 사용하여 고정식입니다 없다. 내 다테프라임 read_sql odbc 에서 만든 소스. 위에 다음과 같은 제안을 사용하여 로트레크 의해 협력했습니다 가져다줄래요:

df.insert(len(df.columns), 'e', pd.Series(np.random.randn(sLength),  index=df.index))

이 미세한 협력했습니다 삽입하려면 열 끝에. 내가 don& # 39, t, t, but I don& # 39 와 같은 것이 가장 효율적인 다운로드되었는지 경고 메시지. 하지만 난 찾을 수 있을 것 같아 더 나은 것 같은데, t # 39 솔루션이므로 can& 달려 있으며, 이를 일부 부분을 색인입니다.

  • 참고 *. 이 때만 할 경우 한 번 오류 메시지가 부여하느뇨 덮어쓸지 및기존 얻어맞았다.
  • 참고 * 위와 같이 0.16.0 할당할지 부터 가장 적합한 솔루션. # 프란다s.다태프라메트라시니 붽뎄 지켜보리니 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.assign.html 데이터 흐름 유형: 만족스럽게 어디 don& # 39, t overwrite 너회의 중간 값.
해설 (0)

  1. 39 의 ',' 관련 데이터를 list_of_e python& 먼저 만드는 것을 알 수 있다.

  2. 이: df ' [& # 39, e& # 39;] = list_of_e '
AkshayNevrekar
편집된 답변5일 12월 2018 в 9:13
해설 (1)

그럼 그냥 시리즈는 가변으로 열 경우 추가하려고 합니다.

df["new_columns_name"]=series_variable_name #this will do it for you

이 같은 경우에도 기존 콜럼 지저스트 교체하십니까 제대로 열 바꾸려는 new_columns_name 입력합니다. 그냥 데이터를 사용하여 데이터를 새로운 시리즈는 기존 덮어씁니다 열 예정이다.

해설 (0)
  • Foolproof:*
df.loc[:, 'NewCol'] = 'New_Val'

예:

df = pd.DataFrame(data=np.random.randn(20, 4), columns=['A', 'B', 'C', 'D'])

df

           A         B         C         D
0  -0.761269  0.477348  1.170614  0.752714
1   1.217250 -0.930860 -0.769324 -0.408642
2  -0.619679 -1.227659 -0.259135  1.700294
3  -0.147354  0.778707  0.479145  2.284143
4  -0.529529  0.000571  0.913779  1.395894
5   2.592400  0.637253  1.441096 -0.631468
6   0.757178  0.240012 -0.553820  1.177202
7  -0.986128 -1.313843  0.788589 -0.707836
8   0.606985 -2.232903 -1.358107 -2.855494
9  -0.692013  0.671866  1.179466 -1.180351
10 -1.093707 -0.530600  0.182926 -1.296494
11 -0.143273 -0.503199 -1.328728  0.610552
12 -0.923110 -1.365890 -1.366202 -1.185999
13 -2.026832  0.273593 -0.440426 -0.627423
14 -0.054503 -0.788866 -0.228088 -0.404783
15  0.955298 -1.430019  1.434071 -0.088215
16 -0.227946  0.047462  0.373573 -0.111675
17  1.627912  0.043611  1.743403 -0.012714
18  0.693458  0.144327  0.329500 -0.655045
19  0.104425  0.037412  0.450598 -0.923387

df.drop([3, 5, 8, 10, 18], inplace=True)

df

           A         B         C         D
0  -0.761269  0.477348  1.170614  0.752714
1   1.217250 -0.930860 -0.769324 -0.408642
2  -0.619679 -1.227659 -0.259135  1.700294
4  -0.529529  0.000571  0.913779  1.395894
6   0.757178  0.240012 -0.553820  1.177202
7  -0.986128 -1.313843  0.788589 -0.707836
9  -0.692013  0.671866  1.179466 -1.180351
11 -0.143273 -0.503199 -1.328728  0.610552
12 -0.923110 -1.365890 -1.366202 -1.185999
13 -2.026832  0.273593 -0.440426 -0.627423
14 -0.054503 -0.788866 -0.228088 -0.404783
15  0.955298 -1.430019  1.434071 -0.088215
16 -0.227946  0.047462  0.373573 -0.111675
17  1.627912  0.043611  1.743403 -0.012714
19  0.104425  0.037412  0.450598 -0.923387

df.loc[:, 'NewCol'] = 0

df
           A         B         C         D  NewCol
0  -0.761269  0.477348  1.170614  0.752714       0
1   1.217250 -0.930860 -0.769324 -0.408642       0
2  -0.619679 -1.227659 -0.259135  1.700294       0
4  -0.529529  0.000571  0.913779  1.395894       0
6   0.757178  0.240012 -0.553820  1.177202       0
7  -0.986128 -1.313843  0.788589 -0.707836       0
9  -0.692013  0.671866  1.179466 -1.180351       0
11 -0.143273 -0.503199 -1.328728  0.610552       0
12 -0.923110 -1.365890 -1.366202 -1.185999       0
13 -2.026832  0.273593 -0.440426 -0.627423       0
14 -0.054503 -0.788866 -0.228088 -0.404783       0
15  0.955298 -1.430019  1.434071 -0.088215       0
16 -0.227946  0.047462  0.373573 -0.111675       0
17  1.627912  0.043611  1.743403 -0.012714       0
19  0.104425  0.037412  0.450598 -0.923387       0
해설 (1)

, 와 시리즈 객체에는 같은 경우 데이터 프레임을 갖고 '도' 프란다s.콩카트 인덱스화할 작동됨 있습니다.

import pandas as pd
df
#          a            b           c           d
#0  0.671399     0.101208   -0.181532    0.241273
#1  0.446172    -0.243316    0.051767    1.577318
#2  0.614758     0.075793   -0.451460   -0.012493

e = pd.Series([-0.335485, -1.166658, -0.385571])    
e
#0   -0.335485
#1   -1.166658
#2   -0.385571
#dtype: float64

# here we need to give the series object a name which converts to the new  column name 
# in the result
df = pd.concat([df, e.rename("e")], axis=1)
df

#          a            b           c           d           e
#0  0.671399     0.101208   -0.181532    0.241273   -0.335485
#1  0.446172    -0.243316    0.051767    1.577318   -1.166658
#2  0.614758     0.075793   -0.451460   -0.012493   -0.385571

39 의 경우, 동일한 인덱스화할 don& 없다.

e.index = df.index
df = pd.concat([df, e.rename("e")], axis=1)
해설 (0)

유의할 도래하도록하려하는 표시되어도 경우

df1['e'] = Series(np.random.randn(sLength), index=df1.index)

이를 효과적으로 할 수 있는 df1.index. 참가하십시오 왼쪽 그래서 스케쳐내 외부 효과, 아마도 불완전 솔루션을 보유하고 있는 다테프라임 만드는 것이 나의 참가하십시오 인덱스 값이 우주를 다루는 데이터의 다음 코드 명이다. 예를 들어,

data = pd.DataFrame(index=all_possible_values)
df1['e'] = Series(np.random.randn(sLength), index=df1.index)
해설 (0)

지정하기 전에 새 열 경우 필요한 데이터를 인덱스된 정렬하려면 색인입니다. 적어도 내가 내 경우에는 했다.

data.set_index(['index_column'], inplace=True)
"if index is unsorted, assignment of a new column will fail"        
data.sort_index(inplace = True)
data.loc['index_value1', 'column_y'] = np.random.randn(data.loc['index_value1', 'column_x'].shape[0])
해설 (0)

Let me 추가하기만 마찬가지로 있는 장치당 [hum3] (https://stackoverflow.com/users/3649456/hum3) ',', 't' 와 나에게 세팅비트코피워닝 트로스 didn& # 39 해결할 방법을 '드프리제르트 ()'. 내 경우 (false positive 의해 생성된 &quot fake"; 체인 ' [& # 39, a& # 39;] 인덱스화를 딕트 [# 39, & # 39, e&] # 39, & # 39, 여기서' ',' 은 새로운 e& 열 및 ' [& # 39, a& # 39;]' 은 다테프라임 딕트 오는 사전이므로

또한 잘 알고 있는 거지, 사용하는 경우 경고 전환할 수 있습니다. '' pd.options.mode.chained_assignment = 없음 그리고 여기에 주어진 것보다 다른 솔루션 중 하나를 사용하여.

해설 (0)

내가 찾던 일반 길을 열 수 있는 '덤' 의 추가에는 누마피.난 다테프라임 세팅비트코피워닝 받지 못한 채 '.

다음 중.

  • 여기 있습니다
  • 이 질문 반군지역 대한 비호환성의 키워드 인수를 변수
  • 이 방법 '의' 어레이입니다 생성하기 위한 누마피 인-라인 nan

내가 한국증권선물거래소법을:

col = 'column_name'
df = df.assign(**{col:numpy.full(len(df), numpy.nan)})
해설 (0)

새 열을 삽입하려면 지정된 시간에 위치 (loc <; = 0 = 양의 열을 &lt) 의 데이터 프레임을 다테프라임.린스트 됩니다.

DataFrame.insert(loc, column, value)

따라서 추가할 경우 열 df 불렀으매 ᅦ 끝날 때 데이터 프레임을 사용할 수 있습니다.

e = [-0.335485, -1.166658, -0.385571]    
DataFrame.insert(loc=len(df.columns), column='e', value=e)
    • 시리즈, 정수 값이 될 수 있습니다 (이 경우 모든 셀입니다 프레젠테이션이든 채워진 이 번호요 값), 호스트였든 같은 어레이입니다 구조

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.insert.html

Nooyi
편집된 답변7일 4월 2019 в 3:18
해설 (0)

39, & # 39 e& 새 열을 추가하기 위해 기존 데이터 프레임을;;

 df1.loc[:,'e'] = Series(np.random.randn(sLength))
해설 (1)

또 다른 솔루션을 사용하여 생각해서라도 완결성 - [다태프라메지에발 ()] (http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.eval.html) 방법:

데이터:

In [44]: e
Out[44]:
0    1.225506
1   -1.033944
2   -0.498953
3   -0.373332
4    0.615030
5   -0.622436
dtype: float64

In [45]: df1
Out[45]:
          a         b         c         d
0 -0.634222 -0.103264  0.745069  0.801288
4  0.782387 -0.090279  0.757662 -0.602408
5 -0.117456  2.124496  1.057301  0.765466
7  0.767532  0.104304 -0.586850  1.051297
8 -0.103272  0.958334  1.163092  1.182315
9 -0.616254  0.296678 -0.112027  0.679112

해결책:

In [46]: df1.eval("e = @e.values", inplace=True)

In [47]: df1
Out[47]:
          a         b         c         d         e
0 -0.634222 -0.103264  0.745069  0.801288  1.225506
4  0.782387 -0.090279  0.757662 -0.602408 -1.033944
5 -0.117456  2.124496  1.057301  0.765466 -0.498953
7  0.767532  0.104304 -0.586850  1.051297 -0.373332
8 -0.103272  0.958334  1.163092  1.182315  0.615030
9 -0.616254  0.296678 -0.112027  0.679112 -0.622436
해설 (0)