Pandas DataFrame DataFrame.assign() Fonction
-
Syntaxe de
pandas.DataFrame.assign(): -
Exemples de codes: méthode
DataFrame.assign()pour affecter une seule colonne -
Exemples de codes: méthode
DataFrame.assign()pour affecter plusieurs colonnes
Python Pandas DataFrame.assign(), la fonction affecte de nouvelles colonnes à la DataFrame.
Syntaxe de pandas.DataFrame.assign():
DataFrame.assign(**kwargs)
Paramètres
**kwargs |
des arguments de mots clés à la fonction assign(). Les noms de colonne à assigner à DataFrame sont passés comme arguments de mot-clé. |
Revenir
Il retourne l’objet DataFrame avec de nouvelles colonnes affectées avec les colonnes existantes.
Exemples de codes: méthode DataFrame.assign() pour affecter une seule colonne
import pandas as pd
df = pd.DataFrame({'Cost Price':
[100, 200],
'Selling Price':
[200, 400]})
new_df=df.assign(Profit=df["Selling Price"]-
df["Cost Price"])
print(new_df)
L’appelant DataFrame est
Cost Price Selling Price
0 100 200
1 200 400
Production:
Cost Price Selling Price Profit
0 100 200 100
1 200 400 200
Il attribue une nouvelle colonne Profit au dataframe qui correspond à la différence entre les colonnes Selling Price et Cost Price.
Nous pouvons également affecter une nouvelle colonne à df en utilisant la fonction lambda pour les objets appelables.
import pandas as pd
df = pd.DataFrame({'Cost_Price':
[100, 200],
'Selling_Price':
[200, 400]})
new_df=df.assign(Profit=lambda x:
x.Selling_Price-
x.Cost_Price)
print(new_df)
L’appelant DataFrame est
Cost Price Selling Price
0 100 200
1 200 400
Production:
Cost_Price Selling_Price Profit
0 100 200 100
1 200 400 200
Exemples de codes: méthode DataFrame.assign() pour affecter plusieurs colonnes
import pandas as pd
df = pd.DataFrame({'Cost_Price':
[100, 200],
'Selling_Price':
[200, 400]})
new_df=df.assign(Cost_Price_Euro =
df['Cost_Price']*1.11,
Selling_Price_Euro =
df['Selling_Price']*1.11)
print(new_df)
L’appelant DataFrame est
Cost Price Selling Price
0 100 200
1 200 400
Production:
Cost_Price Selling_Price Cost_Price_Euro Selling_Price_Euro
0 100 200 111.0 222.0
1 200 400 222.0 444.0
Il affecte deux nouvelles colonnes Cost_Price_Euro et Selling_Price_Euro à df, qui sont dérivées des colonnes existantes Cost_Price et Selling_Price respectivement.
Nous pouvons également affecter plusieurs colonnes à df en utilisant la fonction lambda pour les objets appelables.
import pandas as pd
df = pd.DataFrame({'Cost_Price':
[100, 200],
'Selling_Price':
[200, 400]})
new_df=df.assign(Cost_Price_Euro =
lambda x: x.Cost_Price*1.11,
Selling_Price_Euro =
lambda x: x.Selling_Price*1.11)
print(new_df)
L’appelant DataFrame est
Cost Price Selling Price
0 100 200
1 200 400
Production:
Cost_Price Selling_Price Cost_Price_Euro Selling_Price_Euro
0 100 200 111.0 222.0
1 200 400 222.0 444.0
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn