Tutorial su come aggiungere colonne in Pandas

Non sei mai limitato solo ai dati che ti vengono forniti. Puoi invece aggiungere nuove colonne a un DataFrame. Questo ha molti nomi, come transforming, mutating e feature engineering.

Puoi creare nuove colonne da zero, ma è anche comune ricavarle da altre colonne, ad esempio sommando colonne tra loro o cambiando le unità di misura.

Ricavare una colonna

Usando un dataset sui cani, supponiamo di voler aggiungere una nuova colonna al tuo DataFrame con l'altezza di ciascun cane in metri invece che in centimetri.

Sul lato sinistro dell'uguale, usi le parentesi quadre con il nome della nuova colonna che vuoi creare, in questo caso height_m. Sul lato destro c'è il calcolo.

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

Nota che sia la colonna esistente sia quella ricavata sono presenti nel dataframe che hai modificato.

Aggiungere una colonna

In questo esempio calcolerai il doggy mass index e lo aggiungerai come colonna al tuo dataframe. BMI sta per body mass index, che si calcola come il peso in chilogrammi diviso per l'altezza in metri al quadrato.

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

Di nuovo, la nuova colonna è sul lato sinistro dell'uguale, ma questa volta il calcolo coinvolge due colonne.

Aggiungere una colonna con più passaggi

La vera potenza di pandas emerge quando combini tutte le competenze che hai imparato finora. Vediamo come trovare i nomi dei cani magri e alti.

Per prima cosa, per definire i cani magri, prendi il sottoinsieme di cani con un BMI inferiore a 100. Poi, ordina l'altezza in ordine decrescente per ottenere i cani magri più alti in cima.

Infine, questa volta terrai solo le colonne che ti interessano.

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

Qui puoi vedere che Max è il cane più alto con un BMI inferiore a 100.

Esempio interattivo

Nell'esempio seguente aggiungi una nuova colonna al DataFrame homelessness, chiamata total, contenente la somma delle colonne individuals e family_members. Poi aggiungi un'altra colonna a homelessness, chiamata p_individuals, contenente la proporzione di persone senza fissa dimora in ciascuno stato che sono individui. Infine, stampa il dataframe homelessness.

# 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)

Quando eseguiamo il codice sopra, otteniamo il seguente risultato:

                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

Provalo tu stesso.

Dai anche un'occhiata al tutorial di DataCamp su Come eliminare colonne in pandas.

Per saperne di più sull'aggiunta di nuove colonne in pandas, guarda questo video dal nostro corso Data Manipulation with pandas.

Questo contenuto è tratto dal corso di DataCamp Data Manipulation with pandas di Maggie Matsui e Richie Cotton.