<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine Spalte in einem Pandas-DataFrame zu erstellen, sofern diese noch nicht vorhanden ist:<\/span><\/p>\n Diese spezielle Syntax erstellt eine neue Spalte mit dem Namen my_column<\/strong> , wenn sie noch nicht im DataFrame vorhanden ist und als Produkt der vorhandenen Spalten col1<\/strong> und col2<\/strong> definiert ist.<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Nehmen wir nun an, wir versuchen, eine Spalte mit dem Namen \u201ePreis\u201c<\/strong> hinzuzuf\u00fcgen, sofern diese noch nicht vorhanden ist, und sie als Spalte zu definieren, in der jeder Wert 100 betr\u00e4gt:<\/span><\/p>\n Da bereits eine Spalte mit dem Namen \u201e price\u201c<\/strong> vorhanden ist, f\u00fcgt Pandas diese einfach nicht zum DataFrame hinzu.<\/span><\/span><\/p>\n Nehmen wir jedoch an, wir versuchen, eine neue Spalte mit dem Namen \u201e Umsatz<\/strong> \u201c hinzuzuf\u00fcgen, sofern diese noch nicht vorhanden ist, und definieren sie als eine Spalte, in der die Werte das Produkt der Spalten \u201eUmsatz\u201c und \u201ePreis\u201c sind:<\/span><\/p>\n Diese Umsatzspalte<\/strong> wird dem DataFrame hinzugef\u00fcgt, da sie noch nicht vorhanden war.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n So l\u00f6schen Sie Zeilen in Pandas DataFrame basierend auf der Bedingung<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine Spalte in einem Pandas-DataFrame zu erstellen, sofern diese noch nicht vorhanden ist: df[‚ my_column ‚] = df. get (‚ my_column ‚, df[‚ col1 ‚] * df[‚ col2 ‚]) Diese spezielle Syntax erstellt eine neue Spalte mit dem Namen my_column , wenn sie noch nicht im DataFrame […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' my_column<\/span> '] = df. get<\/span> (' my_column<\/span> ', df[' col1<\/span> '] * df[' col2<\/span> '])<\/strong> \n<\/pre>\n Beispiel: Erstellen Sie eine Spalte in Pandas, falls diese nicht vorhanden ist<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' day<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],\n ' sales<\/span> ': [4, 6, 5, 8, 14, 13, 13, 12, 9, 8, 19, 14],\n ' price<\/span> ': [1, 2, 2, 1, 2, 4, 4, 3, 3, 2, 2, 3]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n day sales price\n0 1 4 1\n1 2 6 2\n2 3 5 2\n3 4 8 1\n4 5 14 2\n5 6 13 4\n6 7 13 4\n7 8 12 3\n8 9 9 3\n9 10 8 2\n10 11 19 2\n11 12 14 3\n<\/strong><\/pre>\n #attempt to add column called 'price'\ndf[' price<\/span> '] = df. get<\/span> (' price<\/span> ', 100) \n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n day sales price\n0 1 4 1\n1 2 6 2\n2 3 5 2\n3 4 8 1\n4 5 14 2\n5 6 13 4\n6 7 13 4\n7 8 12 3\n8 9 9 3\n9 10 8 2\n10 11 19 2\n11 12 14 3\n<\/span><\/span><\/strong><\/pre>\n #attempt to add column called 'revenue'\ndf[' revenue<\/span> '] = df. get<\/span> (' revenue<\/span> ', df[' sales<\/span> '] * df[' price<\/span> '])\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n day sales price revenue\n0 1 4 1 4\n1 2 6 2 12\n2 3 5 2 10\n3 4 8 1 8\n4 5 14 2 28\n5 6 13 4 52\n6 7 13 4 52\n7 8 12 3 36\n8 9 9 3 27\n9 10 8 2 16\n10 11 19 2 38\n11 12 14 3 42\n<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So filtern Sie einen Pandas DataFrame nach mehreren Bedingungen<\/a>
So verwenden Sie den \u201eNOT IN\u201c-Filter in Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"