熊猫:聪明地创建新栏目

Question

这是一个非常普遍的问题，我要求为下列情况寻找解决方案：

我经常发现自己在dataframe中创建了一个额外的列，并且我想使用这样的方法：

df['new_col'] = df['old_col_1']+df['old_col_2']

但是，除非操作非常简单，否则就会给出一个"TypeError:无法将该系列转换为‘任何’类“，而且我不得不使用一个更笨重的方法。示例：

df = pd.DataFrame({'Year':[2018,2017,2016,2017,2016,2018,2018],'Month':[1,1,1,2,2,2,3],
                   'Value':[521,352,32,125,662,123,621]})

我想要一个日期栏，结果我做了：

from datetime import datetime as dt
df['Date'] = None
for i in df.index:
    df1.loc[i,'Date'] = dt(df1.loc[i,'Year'],df1.loc[i,'variable'],1)

在其他情况下，我发现自己在做：

datelist = []
for i in df.index:
    datelist.append(dt(df1.loc[i,'Year'],df1.loc[i,'variable'],1))
df['Date'] = datelist

显然，这只是一个例子，在许多情况下，我最终都会使用任何一种方法。我是否正确地认为这些方法不是节奏曲，还有什么更好的方法来根据其他列生成稍微复杂的列呢？

Answer 1

我认为df['new_col'] = df['old_col_1']+df['old_col_2']原理是好的，因为矢量化。

它取决于数据，如何处理它。这里可以将列转换为字符串并应用to_datetime

df['Date'] = pd.to_datetime(df['Year'].astype(str) + '-' + df['Month'].astype(str), 
                            format='%Y-%m')
print (df)

   Year  Month  Value       Date
0  2018      1    521 2018-01-01
1  2017      1    352 2017-01-01
2  2016      1     32 2016-01-01
3  2017      2    125 2017-02-01
4  2016      2    662 2016-02-01
5  2018      2    123 2018-02-01
6  2018      3    621 2018-03-01

General order of precedence for performance of various operations

For loops with pandas