pembangunan bahagian belakang
Tutorial Python
Penjelasan sintaks `df[&#column&#] = ungkapan` dalam panda
Penjelasan sintaks `df[&#column&#] = ungkapan` dalam panda
Jan 10, 2025 am 09:13 AM
Pandas df['column'] = expression Penjelasan Terperinci Sintaks: Digunakan untuk membuat, ubah suai atau menetapkan lajur dalam Pandas DataFrame (df). Mari kita pecahkan langkah demi langkah, daripada asas kepada lanjutan.
Asas
1. Cipta lajur baharu
-
Apabila lajur tidak wujud dalam DataFrame, memberikan nilai kepada
df['column']mencipta lajur baharu. -
Contoh:
import pandas as pd df = pd.DataFrame({'A': [1, 2, 3]}) print(df) # 輸出： # A # 0 1 # 1 2 # 2 3 # 創(chuàng)建一個新列 'B'，所有值都設置為 0 df['B'] = 0 print(df) # 輸出： # A B # 0 1 0 # 1 2 0 # 2 3 0
2. Ubah suai lajur sedia ada
-
Jika lajur sudah wujud, tugasan menggantikan kandungannya.
-
Contoh:
df['B'] = [4, 5, 6] # 替換列 'B' 中的值 print(df) # 輸出： # A B # 0 1 4 # 1 2 5 # 2 3 6
Tahap pertengahan
3. Tugasan berasaskan ekspresi
-
Boleh menetapkan nilai pada lajur berdasarkan pengiraan atau transformasi.
-
Contoh:
df['C'] = df['A'] + df['B'] # 創(chuàng)建列 'C' 為 'A' 和 'B' 的和 print(df) # 輸出： # A B C # 0 1 4 5 # 1 2 5 7 # 2 3 6 9
4. Gunakan tugasan bersyarat
-
Anda boleh menggunakan pengindeksan boolean Pandas untuk tugasan bersyarat.
-
Contoh:
df['D'] = df['A'].apply(lambda x: 'Even' if x % 2 == 0 else 'Odd') print(df) # 輸出： # A B C D # 0 1 4 5 Odd # 1 2 5 7 Even # 2 3 6 9 Odd
5. Gunakan berbilang lajur dalam ungkapan
-
Anda boleh menggunakan berbilang lajur dalam satu ungkapan untuk pengiraan yang lebih kompleks.
-
Contoh:
df['E'] = (df['A'] + df['B']) * df['C'] print(df) # 輸出： # A B C D E # 0 1 4 5 Odd 25 # 1 2 5 7 Even 49 # 2 3 6 9 Odd 81
Bab Lanjutan
6. Operasi pemvektoran
-
Tugasan berangka boleh menggunakan operasi penvektoran untuk meningkatkan prestasi.
-
Contoh:
df['F'] = df['A'] ** 2 + df['B'] ** 2 # 快速向量化計算 print(df) # 輸出： # A B C D E F # 0 1 4 5 Odd 25 17 # 1 2 5 7 Even 49 29 # 2 3 6 9 Odd 81 45
7. Gunakan np.where untuk tugasan logik bersyarat
-
Anda boleh menggunakan NumPy untuk tugasan bersyarat.
-
Contoh:
import numpy as np df['G'] = np.where(df['A'] > 2, 'High', 'Low') print(df) # 輸出： # A B C D E F G # 0 1 4 5 Odd 25 17 Low # 1 2 5 7 Even 49 29 Low # 2 3 6 9 Odd 81 45 High
8. Gunakan fungsi luaran untuk menetapkan nilai
-
Tetapkan nilai pada lajur berdasarkan fungsi tersuai yang digunakan pada baris atau lajur.
-
Contoh:
def custom_function(row): return row['A'] * row['B'] df['H'] = df.apply(custom_function, axis=1) print(df) # 輸出： # A B C D E F G H # 0 1 4 5 Odd 25 17 Low 4 # 1 2 5 7 Even 49 29 Low 10 # 2 3 6 9 Odd 81 45 High 18
9. Operasi rantai
-
Berbilang operasi boleh dirantai bersama untuk menjadikan kod lebih ringkas.
-
Contoh:
df['I'] = df['A'].add(df['B']).mul(df['C']) print(df) # 輸出： # A B C D E F G H I # 0 1 4 5 Odd 25 17 Low 4 25 # 1 2 5 7 Even 49 29 Low 10 49 # 2 3 6 9 Odd 81 45 High 18 81
10. Berikan berbilang lajur pada satu masa
-
Gunakan
assign()untuk membuat atau mengubah suai berbilang lajur dalam satu panggilan. -
Contoh:
df = df.assign( J=df['A'] + df['B'], K=lambda x: x['J'] * 2 ) print(df) # 輸出： # A B C D E F G H I J K # 0 1 4 5 Odd 25 17 Low 4 25 5 10 # 1 2 5 7 Even 49 29 Low 10 49 7 14 # 2 3 6 9 Odd 81 45 High 18 81 9 18
Pakar
11. Tugasan lajur dinamik
-
Buat nama lajur secara dinamik berdasarkan input luaran.
-
Contoh:
columns_to_add = ['L', 'M'] for col in columns_to_add: df[col] = df['A'] + df['B'] print(df)
12. Gunakan tugasan data luaran
-
Tetapkan nilai pada lajur berdasarkan DataFrame atau kamus luaran.
-
Contoh:
mapping = {1: 'Low', 2: 'Medium', 3: 'High'} df['N'] = df['A'].map(mapping) print(df) # 輸出： # A B C D E F G H I J K N # 0 1 4 5 Odd 25 17 Low 4 25 5 10 Low # 1 2 5 7 Even 49 29 Low 10 49 7 14 Medium # 2 3 6 9 Odd 81 45 High 18 81 9 18 High
13. Pengoptimuman prestasi:
- Apabila memberikan nilai, menggunakan fungsi terbina dalam Pandas (
apply, operasi vektor) mempunyai prestasi yang lebih baik daripada gelung Python.
Ringkasan
df['column'] = expression Sintaks ialah ciri teras Panda dan mempunyai pelbagai kegunaan. Ia membenarkan:
- Tambah, ubah suai dan manipulasi lajur dalam DataFrame.
- Lakukan pengiraan yang kompleks, termasuk logik berasaskan keadaan dan transformasi berbilang lajur.
- Operasi rantaian dan jana lajur baharu secara dinamik.
Ini menjadikan Pandas pustaka analisis dan manipulasi data yang berkuasa.
Atas ialah kandungan terperinci Penjelasan sintaks `df[&#column&#] = ungkapan` dalam panda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undress AI Tool
Gambar buka pakaian secara percuma
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Topik panas
Polimorfisme dalam kelas python
Jul 05, 2025 am 02:58 AM
Polimorfisme adalah konsep teras dalam pengaturcaraan berorientasikan objek Python, merujuk kepada "satu antara muka, pelbagai pelaksanaan", yang membolehkan pemprosesan bersatu pelbagai jenis objek. 1. Polimorfisme dilaksanakan melalui penulisan semula kaedah. Subkelas boleh mentakrifkan semula kaedah kelas induk. Sebagai contoh, kaedah bercakap () kelas haiwan mempunyai pelaksanaan yang berbeza dalam subkelas anjing dan kucing. 2. Penggunaan praktikal polimorfisme termasuk memudahkan struktur kod dan meningkatkan skalabilitas, seperti memanggil kaedah cabutan () secara seragam dalam program lukisan grafik, atau mengendalikan tingkah laku umum watak -watak yang berbeza dalam pembangunan permainan. 3. Polimorfisme pelaksanaan Python perlu memenuhi: Kelas induk mentakrifkan kaedah, dan kelas kanak -kanak mengatasi kaedah, tetapi tidak memerlukan warisan kelas induk yang sama. Selagi objek melaksanakan kaedah yang sama, ini dipanggil "jenis itik". 4. Perkara yang perlu diperhatikan termasuk penyelenggaraan
Bagaimana saya menulis 'Hello, World!' Yang mudah! program dalam python?
Jun 24, 2025 am 12:45 AM
"Hello, dunia!" Program adalah contoh paling asas yang ditulis dalam Python, yang digunakan untuk menunjukkan sintaks asas dan mengesahkan bahawa persekitaran pembangunan dikonfigurasi dengan betul. 1. Ia dilaksanakan melalui garis cetakan kod ("Hello, World!"), Dan selepas berlari, teks yang ditentukan akan dikeluarkan pada konsol; 2. Langkah -langkah berjalan termasuk memasang python, menulis kod dengan editor teks, menyimpan sebagai fail .py, dan melaksanakan fail di terminal; 3. Kesilapan umum termasuk kurungan atau petikan yang hilang, penyalahgunaan cetakan modal, tidak menyimpan format .py, dan kesilapan persekitaran yang menjalankan; 4. Alat pilihan termasuk terminal editor teks tempatan, editor dalam talian (seperti replit.com)
Apakah algoritma dalam Python, dan mengapa mereka penting?
Jun 24, 2025 am 12:43 AM
Algorithmmsinpythonareessentialforefficientplemlemen-solvinginprogramming.theyarestep-by-stepproceduresedtosolvetaskslikesorting, carian, anddatamanipulation.CommontypesincludesortalgorithmslinybineShmseCkeCkeCkeCkeCkeCkeCkeCkeCkeCkeCkeCkeCkeCkeCkeChmmsline, carianShmseKorithmseCkeCkeChmmmslareLineShmseKorithmmslareLineShmmslikeCkeCkeCksort,
Apakah senarai pengirim di Python?
Jun 29, 2025 am 02:15 AM
Listslicinginpythonextractsaportionofalistusingindices.1.itusesthesyntaxlist [start: end: step], wherestartislusive, endisexclusive, andstepdefinestheinterval.2.ifstartorendareomitt
Python `@Classmethod` Decorator dijelaskan
Jul 04, 2025 am 03:26 AM
Kaedah kelas adalah kaedah yang ditakrifkan dalam python melalui penghias @classmethod. Parameter pertamanya adalah kelas itu sendiri (CLS), yang digunakan untuk mengakses atau mengubah keadaan kelas. Ia boleh dipanggil melalui kelas atau contoh, yang mempengaruhi seluruh kelas dan bukannya contoh tertentu; Sebagai contoh, dalam kelas orang, kaedah show_count () mengira bilangan objek yang dibuat; Apabila menentukan kaedah kelas, anda perlu menggunakan penghias @classmethod dan namakan parameter pertama CLS, seperti kaedah change_var (new_value) untuk mengubah suai pembolehubah kelas; Kaedah kelas adalah berbeza daripada kaedah contoh (parameter diri) dan kaedah statik (tiada parameter automatik), dan sesuai untuk kaedah kilang, pembina alternatif, dan pengurusan pembolehubah kelas. Kegunaan biasa termasuk:
Argumen dan Parameter Fungsi Python
Jul 04, 2025 am 03:26 AM
Parameter adalah ruang letak apabila menentukan fungsi, sementara argumen adalah nilai khusus yang diluluskan ketika memanggil. 1. Parameter kedudukan perlu diluluskan, dan perintah yang salah akan membawa kepada kesilapan dalam hasilnya; 2. Parameter kata kunci ditentukan oleh nama parameter, yang boleh mengubah pesanan dan meningkatkan kebolehbacaan; 3. Nilai parameter lalai diberikan apabila ditakrifkan untuk mengelakkan kod pendua, tetapi objek berubah harus dielakkan sebagai nilai lalai; 4 Args dan *kwargs boleh mengendalikan bilangan parameter yang tidak pasti dan sesuai untuk antara muka umum atau penghias, tetapi harus digunakan dengan berhati -hati untuk mengekalkan kebolehbacaan.
Bagaimana saya menggunakan modul CSV untuk bekerja dengan fail CSV di Python?
Jun 25, 2025 am 01:03 AM
Modul CSV Python menyediakan cara mudah untuk membaca dan menulis fail CSV. 1. Apabila membaca fail CSV, anda boleh menggunakan csv.reader () untuk membaca garis mengikut baris dan mengembalikan setiap baris data sebagai senarai rentetan; Jika anda perlu mengakses data melalui nama lajur, anda boleh menggunakan csv.dictreader () untuk memetakan setiap baris ke dalam kamus. 2. Apabila menulis ke fail CSV, gunakan kaedah CSV.Writer () dan hubungi Writerow () atau Writerows () untuk menulis satu baris data tunggal atau berbilang; Jika anda ingin menulis data kamus, gunakan csv.dictwriter (), anda perlu menentukan nama lajur terlebih dahulu dan tulis tajuk melalui WriteHeader (). 3. Semasa mengendalikan kes kelebihan, modul secara automatik mengendalikannya
Terangkan penjana python dan iterators.
Jul 05, 2025 am 02:55 AM
Iterator adalah objek yang melaksanakan kaedah __iter __ () dan __Next __ (). Penjana adalah versi Iterator yang dipermudahkan, yang secara automatik melaksanakan kaedah ini melalui kata kunci hasil. 1. Iterator mengembalikan elemen setiap kali dia memanggil seterusnya () dan melemparkan pengecualian berhenti apabila tidak ada lagi elemen. 2. Penjana menggunakan definisi fungsi untuk menghasilkan data atas permintaan, menjimatkan memori dan menyokong urutan tak terhingga. 3. Menggunakan Iterator apabila memproses set sedia ada, gunakan penjana apabila menghasilkan data besar secara dinamik atau penilaian malas, seperti garis pemuatan mengikut baris apabila membaca fail besar. NOTA: Objek yang boleh diperolehi seperti senarai bukanlah pengaliran. Mereka perlu dicipta semula selepas pemalar itu sampai ke penghujungnya, dan penjana hanya boleh melintasi sekali.
