df定义列

df定义列
DataFrames（df）是Python中最常用的数据结构之一，特别是在数据科学中。

它是由不同的列组成的二维表，而每一列都可以是不同类型的数据（例如整数、字符串、浮点数等）。

在本文中，我们将详细介绍df定义列的方法和技巧。

定义 df 列
在 Pandas 库中，我们可以通过许多方法来定义 df 列，以下是最常用的方法：
1. 定义 df
首先，我们需要定义一个空的 df。

我们可以使用Pandas 库中的 DataFrame（）函数。

它具有许多参数，可以让我们定义 df 的基本属性，例如列名、索引、数据类型等。

我们可以定义一个以下所示的空 DataFrame，其中使用thedata和thetarget两个量 (columns) 作为列名。

```python import pandas as pd
df = pd.DataFrame(columns = ['thedata',
'thetarget']) ```
2. 添加新的 df 列
要将新的列添加到 df 中，我们可以使用以下方法之一：
• 通过字典定义添加列的名称和值
```python df['新的列'] = {'值1'， '值2'，'值
3'} ```
• 直接在 df 中添加一个新列，使用 loc() 和 at()
```python df.loc[:, '新的列'] = {'值1'， '值
2'，'值3'} df.at[:, '新的列'] = {'值1'， '值2'，'
值3'} ```
在这种情况下，我们将添加一个名为“新的列”的新
列，其中包含三个值。

我们可以尝试打印 df 来查看结
果。

```python print(df) ```
结果类似于以下内容：
``` thedata thetarget 新的列 0 NaN NaN 值1 1 NaN NaN 值2 2 NaN NaN 值3 ```
在 df 中，我们可以看到一个名为“新的列”的新
列，其中包含三个值：值1、值2 和值3。

由于我们没有在
前面给出的 DataFrame 定义任何值，因此其他两个列中的
所有值均为 NaN。

如果需要，我们可以通过
dataframe.fillna() 将 NaN 替换为其他值。

3. 通过函数或映射定义 df 列
我们还可以使用映射或函数来定义新的 df 列。

以下
是使用示例。

• 通过映射定义新 df 列
```python df['number'] =
df['thedata'].map(lambda x: len(str(x))) ```
• 通过函数定义新 df 列
```python def check_number(x): if x > 3: return 'high' else: return 'low' ```现在我们可以使用 map() 函数将该函数应用于我们的
列。

```python df['new_col'] =
df['thedata'].map(check_number) ```
此代码将一个名为“number”的新列添加到 df 中，
我们使用的映射是一个匿名函数，该函数将以字符串形式
传递的数据转换为字符串，以字符串的长度作为数据的标
记。

我们还可以使用其它函数进行映射，例如将数据范围
定义为列。

此代码还将一个名为“new_col”的新列添加到 df
中，我们使用的函数根据每项数据的值定义了这个标记的
高低。

总结
在本文中，我们详细介绍了 df 定义列的方法和技巧。

我们了解到，可以使用字典、映射、函数和在 df 中直接添加新列来定义新的 df 列。

使用这些技巧，您可以更轻松地处理数据，更快地获取有用的信息。