數(shù)據(jù)分析-Pandas如何轉(zhuǎn)換產(chǎn)生新列

時(shí)間序列數(shù)據(jù)在數(shù)據(jù)分析建模中很常見(jiàn)，例如天氣預(yù)報(bào)，空氣狀態(tài)監(jiān)測(cè)，股票交易等金融場(chǎng)景。此處選擇巴黎、倫敦歐洲城市空氣質(zhì)量監(jiān)測(cè)$N{O}_2$數(shù)據(jù)作為樣例。

python數(shù)據(jù)分析-數(shù)據(jù)表讀寫到pandas

經(jīng)典算法-遺傳算法的python實(shí)現(xiàn)

經(jīng)典算法-遺傳算法的一個(gè)簡(jiǎn)單例子

大模型查詢工具助手之股票免費(fèi)查詢接口

Falcon構(gòu)建輕量級(jí)的REST API服務(wù)

決策引擎-利用Drools實(shí)現(xiàn)簡(jiǎn)單防火墻策略

Python技巧-終端屏幕打印光標(biāo)和文字控制

列的轉(zhuǎn)換：乘以常數(shù)

拿到表格數(shù)據(jù)后，很多情況下是不能直接就用，還需要對(duì)數(shù)據(jù)進(jìn)行加工處理。比如知道$N{O}_2$監(jiān)測(cè)值后，想知道比如倫敦的濃度是多少？假如單位是$mg/m^3$ 。這里假設(shè)溫度25攝氏度，大氣壓1013hPa，根據(jù)化學(xué)公式可以知道，轉(zhuǎn)換因子為 1.882。也就是該列每個(gè)元素都乘以因子。

In [1]: air_quality["london_mg_per_cubic"] = air_quality["station_london"] * 1.882

In [2]: air_quality.head()
Out[2]: 
                     station_antwerp  ...  london_mg_per_cubic
datetime                              ...                     
2019-05-07 02:00:00              NaN  ...               43.286
2019-05-07 03:00:00             50.5  ...               35.758
2019-05-07 04:00:00             45.0  ...               35.758
2019-05-07 05:00:00              NaN  ...               30.112
2019-05-07 06:00:00              NaN  ...                  NaN

[5 rows x 4 columns]

這里，創(chuàng)建新的列，可以用’ [] '， 括號(hào)內(nèi)使用新的列屬性名稱，作為賦值的左邊，右邊為轉(zhuǎn)換操作。

比如這里的乘法計(jì)算，常數(shù)是乘以操作列的每一個(gè)元素。

兩列的計(jì)算

比如需要求Paris 和 Antwerp的監(jiān)測(cè)值的比率，結(jié)果保存到新列中。

In [3]: air_quality["ratio_paris_antwerp"] = (
   ...:     air_quality["station_paris"] / air_quality["station_antwerp"]
   ...: )
   ...: 

In [4]: air_quality.head()
Out[4]: 
                     station_antwerp  ...  ratio_paris_antwerp
datetime                              ...                     
2019-05-07 02:00:00              NaN  ...                  NaN
2019-05-07 03:00:00             50.5  ...             0.495050
2019-05-07 04:00:00             45.0  ...             0.615556
2019-05-07 05:00:00              NaN  ...                  NaN
2019-05-07 06:00:00              NaN  ...                  NaN

[5 rows x 5 columns]

事實(shí)上，計(jì)算仍然是以元素為單位的，除法符號(hào)應(yīng)用到每個(gè)元素的值。同樣，也可以進(jìn)行加減乘除等運(yùn)算操作 (+, -, *, /,…) 和邏輯運(yùn)算操作 (<, >, ==,…) 。邏輯運(yùn)算，其實(shí)在數(shù)據(jù)表的條件篩選，生成數(shù)據(jù)子集的操作中大量使用。

更復(fù)雜的操作，可以使用apply()函數(shù)。

還有很常見(jiàn)的情形，原來(lái)的列命名不喜歡，想換個(gè)更合適的名字，就可以用rename()函數(shù)。

這里就把“station_antwerp” 轉(zhuǎn)換為“BETR801”

In [8]: air_quality_renamed = air_quality.rename(
   ...:     columns={
   ...:         "station_antwerp": "BETR801",
   ...:         "station_paris": "FR04014",
   ...:         "station_london": "London Westminster",
   ...:     }
   ...: )
   ...: 
In [9]: air_quality_renamed.head()
Out[9]: 
                     BETR801  FR04014  ...  london_mg_per_cubic  ratio_paris_antwerp
datetime                               ...                                          
2019-05-07 02:00:00      NaN      NaN  ...               43.286                  NaN
2019-05-07 03:00:00     50.5     25.0  ...               35.758             0.495050
2019-05-07 04:00:00     45.0     27.7  ...               35.758             0.615556
2019-05-07 05:00:00      NaN     50.4  ...               30.112                  NaN
2019-05-07 06:00:00      NaN     61.9  ...                  NaN                  NaN

[5 rows x 5 columns]

不僅僅是指定名稱，也可以進(jìn)行map函數(shù)操作。例如，把列名都更換為小寫字母。

In [10]: air_quality_renamed = air_quality_renamed.rename(columns=str.lower)

In [11]: air_quality_renamed.head()
Out[11]: 
                     betr801  fr04014  ...  london_mg_per_cubic  ratio_paris_antwerp
datetime                               ...                                          
2019-05-07 02:00:00      NaN      NaN  ...               43.286                  NaN
2019-05-07 03:00:00     50.5     25.0  ...               35.758             0.495050
2019-05-07 04:00:00     45.0     27.7  ...               35.758             0.615556
2019-05-07 05:00:00      NaN     50.4  ...               30.112                  NaN
2019-05-07 06:00:00      NaN     61.9  ...                  NaN                  NaN

[5 rows x 5 columns]

以上代碼只是一個(gè)簡(jiǎn)單示例，示例代碼中的表達(dá)式可以根據(jù)實(shí)際問(wèn)題進(jìn)行修改。

覺(jué)得有用 收藏 收藏 收藏

點(diǎn)個(gè)贊 點(diǎn)個(gè)贊 點(diǎn)個(gè)贊

End

GPT專欄文章：

GPT實(shí)戰(zhàn)系列-ChatGLM3本地部署CUDA11+1080Ti+顯卡24G實(shí)戰(zhàn)方案

GPT實(shí)戰(zhàn)系列-LangChain + ChatGLM3構(gòu)建天氣查詢助手

大模型查詢工具助手之股票免費(fèi)查詢接口

GPT實(shí)戰(zhàn)系列-簡(jiǎn)單聊聊LangChain

GPT實(shí)戰(zhàn)系列-大模型為我所用之借用ChatGLM3構(gòu)建查詢助手

GPT實(shí)戰(zhàn)系列-P-Tuning本地化訓(xùn)練ChatGLM2等LLM模型，到底做了什么？(二)

GPT實(shí)戰(zhàn)系列-P-Tuning本地化訓(xùn)練ChatGLM2等LLM模型，到底做了什么？(一)

GPT實(shí)戰(zhàn)系列-ChatGLM2模型的微調(diào)訓(xùn)練參數(shù)解讀

GPT實(shí)戰(zhàn)系列-如何用自己數(shù)據(jù)微調(diào)ChatGLM2模型訓(xùn)練

GPT實(shí)戰(zhàn)系列-ChatGLM2部署Ubuntu+Cuda11+顯存24G實(shí)戰(zhàn)方案

GPT實(shí)戰(zhàn)系列-Baichuan2本地化部署實(shí)戰(zhàn)方案

GPT實(shí)戰(zhàn)系列-Baichuan2等大模型的計(jì)算精度與量化

GPT實(shí)戰(zhàn)系列-GPT訓(xùn)練的Pretraining，SFT，Reward Modeling，RLHF

GPT實(shí)戰(zhàn)系列-探究GPT等大模型的文本生成-CSDN博客文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-792606.html

到了這里，關(guān)于數(shù)據(jù)分析-Pandas如何轉(zhuǎn)換產(chǎn)生新列的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！