Pandas 中除了对数据进行 删除、去重，以达到数据清洗的目的，同时为了满足更多的计算需求，增加新列也是很常见的操作。
如果逻辑关系比较简单，可以直接对 Pandas 的两列进行操作得到新的一列，比如：
movie_pd['total_score'] = movie_pd['vote_count'] * movie_pd['score']
更一般的方法是使用 for 循环，对 Pandas 的某一列或多列进行处理后，得到新的一列。
比如需要根据电影的评分增加电影评分等级 movie_level 新列 ，评分小于 7.5 分的等级是 B，7.5 到 9.0 之间的是 A，9.0 以上的是 S，写法如下：
import pandas as pd
movie_pd = pd.read_csv('douban_movie.csv', header=0, sep='\t')
movie_level_list = list()
for i in movie_pd.index:
score = movie_pd.loc[i, 'score']
if score < 7.5:
movie_level = 'B'
elif 7.5 <= score < 9.0:
movie_level = 'A'
else:
movie_level = 'S'
movie_level_list.append(movie_level)
movie_pd['movie_level'] = pd.Series(movie_level_list)
print movie_pd[['score', 'movie_level']].head()
建议先新建一个列表 movie_level_list，在 for 循环中依次处理完后添加到列表中，然后使用 pd.Series 的方式添加新列即可。
部分输出如下：
score movie_level
0 9.5 S
1 9.3 S
2 9.3 S
3 8.8 A
4 8.8 A
当然，每次都用 for 循环添加新列的话，难免有些繁琐，接下来介绍 2 个非常好用的函数，让你在 Pandas 中添加新列只需要一行代码。
- map( ) 函数：参数中可以传入字典，也可以使用 lambda 表达式
比如 is_playable 字段在 Pandas 中的值是 True/False
增加一列中文的新列，True 对应的值为 可以播放，False 对应的值为 不能播放，写法如下：
movie_pd['playable_ch'] = movie_pd['is_playable'].map({True: '可以播放', False: '不能播放'})
直接传入字典 {True: '可以播放', False: '不能播放'} 进去即可。
又比如电影评分 9.0 以上才我想看的，增加一列 want_watch，1 表示想看，0 表示不想看
movie_pd['want_watch'] = movie_pd['score'].map(lambda x: 1 if x >= 9.0 else 0)
使用 lambda 表达式，其中的 x 就相当于 for 循环时每次的 score 值。
接下来看一个具体的例子，根据电影的上映日期 release_date 和 评论人数 vote_count，计算每部电影每天的平均评价人数，代码如下：
movie_pd['release_date'] = pd.to_datetime(movie_pd['release_date'])
movie_pd['total_day'] = movie_pd['release_date'].map(lambda x: (datetime.now() - x).total_seconds() / (3600 * 24))
movie_pd['daily_vote'] = movie_pd['vote_count'] / movie_pd['total_day']
print movie_pd[['release_date', 'total_day', 'vote_count', 'daily_vote']].head()
首先，使用 to_datetime( ) 函数将 字符串类型 转化为日期；
然后使用 map( ) 函数计算电影上映日期距离现在的时间差，并转化为天数；
最后，vote_count 和 total_day 两列直接相除得到 每部电影每天的平均评价人数。
结果如下：
release_date total_day vote_count daily_vote
0 1993-01-01 9081.478783 629403 69.306224
1 2016-06-19 511.478783 13516 26.425339
2 2017-01-22 294.478783 739 2.509519
3 1997-05-30 7471.478783 240127 32.139153
4 1993-08-04 8866.478783 133193 15.022085
- cut( ) 函数：完美解决根据变量值划分区间的问题
刚开始对电影评级的问题，现在可以这么写：
movie_pd['movie_level'] = pd.cut(movie_pd['score'], bins = [0, 7.5, 9.0, float('Inf')], labels = ['B', 'A', 'S'], right = False)
bins 参数为一个列表，表示划分区间的临界值，labels 为不同区间对应的值，right = False 表示前必后开，默认为 前开后必，所以最终的区间为：[0, 7.5) 对应值为 B，[7.5,9.0) 对应值为 A，9.0 及以上对应值为 S，float('Inf') 表示正无穷大。
划重点：
- map( ) : 参数可以传入字典 或 使用 lambda 表达式
- to_datetime( )：将 字符串类型 转化为 日期类型
- cut( ) : 对数值型变量划分区间
网友评论