Pandas: Spalte hinzufügen – Tutorial

Du bist nie auf die gelieferten Daten festgelegt. Stattdessen kannst du einem DataFrame neue Spalten hinzufügen. Das wird auch als Transformieren, Mutieren oder Feature Engineering bezeichnet.

Du kannst neue Spalten komplett neu anlegen oder aus bestehenden Spalten ableiten, zum Beispiel indem du Spalten addierst oder Einheiten umrechnest.

Eine Spalte ableiten

Angenommen, du arbeitest mit einem Hunder-Datensatz und möchtest eine neue Spalte mit der Größe jedes Hundes in Metern statt in Zentimetern hinzufügen.

Links vom Gleichheitszeichen verwendest du eckige Klammern mit dem Namen der neuen Spalte, hier height_m. Rechts davon steht die Berechnung.

dogs["height_m"] = dogs["height_cm"] / 100
print(dogs)

        name        breed   color   height_cm   weight_kg   date_of_birth   height_m
0      Bella     Labrador   Brown          56          24      2013-07-01       0.56
1    Charlie       Poodle   Black          43          24      2016-09-16       0.43
2       Lucy    Chow Chow   Brown          46          24      2014-08-25       0.46
3     Cooper    Schnauzer    Gray          49          17      2016-09-16       0.49
4        Max     Labrador   Black          59          29      2016-09-16       0.59
5     Stella    Chihuahua     Tan          18           2      2016-09-16       0.18
6     Bernie  St. Bernard   White          77          74      2016-09-16       0.77

Du siehst, dass sowohl die ursprüngliche als auch die abgeleitete Spalte im veränderten DataFrame vorhanden sind.

Eine Spalte hinzufügen

In diesem Beispiel berechnest du den Doggy-Massenindex und fügst ihn als Spalte zu deinem DataFrame hinzu. BMI steht für Body-Mass-Index und wird berechnet als Gewicht in Kilogramm geteilt durch die Körpergröße in Metern zum Quadrat.

dogs["height_m"] = dogs["weight_kg"] / dogs["height_m"] ** 2
print(dogs.head())

        name        breed   color   height_cm   weight_kg   date_of_birth   height_m          bmi
0      Bella     Labrador   Brown          56          24      2013-07-01       0.56    76.530612
1    Charlie       Poodle   Black          43          24      2016-09-16       0.43   129.799892
2       Lucy    Chow Chow   Brown          46          24      2014-08-25       0.46   113.421550
3     Cooper    Schnauzer    Gray          49          17      2016-09-16       0.49    70.803832
4        Max     Labrador   Black          59          29      2016-09-16       0.59    83.309394

Auch hier steht die neue Spalte links vom Gleichheitszeichen, nur dass die Berechnung diesmal zwei Spalten einbezieht.

Eine Spalte mit mehreren Schritten hinzufügen

Die wahre Stärke von pandas zeigt sich, wenn du die bisher gelernten Fähigkeiten kombinierst. Finden wir die Namen schlanker, großer Hunde heraus.

Definiere zuerst die schlanken Hunde, indem du die Teilmenge mit einem BMI unter 100 auswählst. Dann sortierst du nach der Größe absteigend, sodass die größten schlanken Hunde oben stehen.

Zum Schluss behältst du nur die Spalten, die dich interessieren.

bmi_lt_100 = dogs[dogs["bmi"] < 100]
bmi_lt_100_height = bmi_lt_100.short_values("height_cm", ascending=False)
bmi_lt_100_height[["name", "height_cm", "bmi"]]

        name      height_cm           bmi
4        Max             59     83.309394
0      Bella             56     76.530612
3     Cooper             49     70.803832
5     Stella             18     61.728395

Hier siehst du, dass Max der größte Hund mit einem BMI unter 100 ist.

Interaktives Beispiel

Im folgenden Beispiel fügst du dem DataFrame homelessness eine neue Spalte total hinzu, die die Summe der Spalten individuals und family_members enthält. Danach ergänzt du eine weitere Spalte p_individuals mit dem Anteil der obdachlosen Personen je Bundesstaat, die Einzelpersonen sind. Abschließend gibst du den homelessness-DataFrame aus.

# Add total col as sum of individuals and family_members
homelessness["total"] = homelessness["individuals"] + homelessness["family_members"]

# Add p_individuals col as proportion of individuals
homelessness["p_individuals"] = homelessness["individuals"] / homelessness["total"]

# See the result
print(homelessness)

Beim Ausführen des Codes erhältst du folgende Ausgabe:

                region                 state  individuals  family_members  state_pop     total  p_individuals
0   East South Central               Alabama       2570.0           864.0    4887681    3434.0          0.748
1              Pacific                Alaska       1434.0           582.0     735139    2016.0          0.711
2             Mountain               Arizona       7259.0          2606.0    7158024    9865.0          0.736
3   West South Central              Arkansas       2280.0           432.0    3009733    2712.0          0.841
4              Pacific            California     109008.0         20964.0   39461588  129972.0          0.8
...
48      South Atlantic         West Virginia       1021.0           222.0    1804291    1243.0          0.821
49  East North Central             Wisconsin       2740.0          2167.0    5807406    4907.0          0.558
50            Mountain               Wyoming        434.0           205.0     577601     639.0          0.679

Probier es selbst aus.

Sieh dir auch DataCamps Tutorial zu Spalten in pandas löschen an.

Wenn du mehr über das Hinzufügen neuer Spalten in pandas lernen möchtest, schau dir dieses Video aus unserem Kurs Data Manipulation with pandas an.

Dieser Inhalt stammt aus dem DataCamp-Kurs Data Manipulation with pandas von Maggie Matsui und Richie Cotton.