修改现有列

修改现有列中的信息是数据准备中一项常见工作。你可能需要根据当前值进行计算、标准化文本格式、更改数据类型，或者执行自定义转换。Pandas为此提供了多种灵活的方法。

直接赋值与向量 (vector)化操作

修改列的最简单方式通常是通过直接的算术或逻辑运算。由于 Pandas 构建于 NumPy 之上，这些运算通常是向量化 (quantization)的，这意味着它们会逐元素高效地执行，无需显式循环。

例如，假设你有一个 DataFrame，其中包含摄氏度温度，你想将它们转换为华氏度。

import pandas as pd
import numpy as np

# 示例 DataFrame
data = {'City': ['London', 'Paris', 'Tokyo'],
        'Temp_C': [12, 15, 8]}
df = pd.DataFrame(data)

print("原始 DataFrame:")
print(df)

# 在新列中将 'Temp_C' 列转换为华氏度
df['Temp_F'] = df['Temp_C'] * 9/5 + 32

print("\n已添加华氏度列的 DataFrame:")
print(df)

# 或者，覆盖原始列（请谨慎使用）
# df['Temp_C'] = df['Temp_C'] * 9/5 + 32
# df = df.rename(columns={'Temp_C': 'Temp_F'}) # 如果覆盖，则重命名

这种向量化方式适用于加法（+）、减法（-）、乘法（*）、除法（/）、幂运算（**）以及其他标准数学运算。

使用 apply() 方法执行自定义函数

有时，你需要的转换比简单的算术更复杂。你可能有一个自定义函数，想将其执行到列（Pandas Series）中的每个元素。apply() 方法在此处很有用。

假设我们想将温度归类为'Cold'（冷）、'Mild'（温和）或'Warm'（暖）。

# 定义一个函数来分类温度
def categorize_temp(temp):
  if temp < 10:
    return 'Cold'
  elif 10 <= temp < 20:
    return 'Mild'
  else:
    return 'Warm'

# 将此函数执行到 'Temp_C' 列
df['Temp_Category'] = df['Temp_C'].apply(categorize_temp)

print("\n带有温度类别的 DataFrame:")
print(df)

你也可以将 apply() 与 lambda 函数结合使用，进行更简洁的一次性任务：

# 示例：使用 lambda 函数计算温度的平方
df['Temp_C_Squared'] = df['Temp_C'].apply(lambda x: x**2)

print("\n带有温度平方的 DataFrame:")
print(df)

apply() 方法很灵活，但如果存在针对你任务的向量 (vector)化操作或更专门的函数，有时它的速度会比这些方法慢。

使用 replace() 替换值

如果你需要替换列中的特定值，replace() 方法会非常实用。你可以替换单个值，或提供一个字典来同时替换多个值。

# 带有分类数据的示例 DataFrame
data_cat = {'ID': [101, 102, 103, 104],
            'Grade': ['A', 'B', 'C', 'B'],
            'Status': ['Pass', 'Pass', 'Fail', 'Pass']}
df_cat = pd.DataFrame(data_cat)

print("原始分类 DataFrame:")
print(df_cat)

# 在 'Status' 列中将 'Fail' 替换为 'Did Not Pass'
df_cat['Status'] = df_cat['Status'].replace('Fail', 'Did Not Pass')

print("\n替换 'Fail' 后的 DataFrame:")
print(df_cat)

# 使用字典替换多个等级
grade_map = {'A': 'Excellent', 'B': 'Good', 'C': 'Fair'}
df_cat['Grade_Desc'] = df_cat['Grade'].replace(grade_map)

print("\n替换多个等级后的 DataFrame:")
print(df_cat)

使用 map() 进行值替换

与 replace() 相似，Series 上的 map() 方法可以用来根据字典（或另一个 Series，或一个函数）替换每个值。当你希望根据预设的对应关系将所有现有值映射到新值时，它会特别有用。在映射字典中找不到的值将变为 $NaN$。

# 示例 Series
s = pd.Series(['cat', 'dog', 'rabbit', 'cat'])
print("原始 Series:")
print(s)

# 将动物名称映射到声音
animal_sounds = {'cat': 'meow', 'dog': 'bark'}
sounds = s.map(animal_sounds)

print("\n映射后的 Series（未知值变为 NaN）：")
print(sounds)

replace() 针对要更改的个别值，而 map() 常用于基于查找的全面转换。

使用 .str 进行字符串操作

Pandas 通过包含字符串（对象 dtype）的 Series 上的 .str 访问器，提供了一套强大的字符串处理方法。这让你能轻松地对整个列执行向量 (vector)化的常见字符串操作。

# 带有文本数据的示例 DataFrame
data_text = {'Product': ['Apple iPhone 14', 'SAMSUNG GALAXY S23', 'google pixel 7'],
             'Code': ['APL-14', 'SAM-S23', 'GGL-PX7']}
df_text = pd.DataFrame(data_text)

print("原始文本 DataFrame:")
print(df_text)

# 将 'Product' 名称转换为小写
df_text['Product_Lower'] = df_text['Product'].str.lower()

# 将 'Code' 分割成 'Brand' 和 'Model'
df_text[['Brand_Code', 'Model_Code']] = df_text['Code'].str.split('-', expand=True)

# 检查 'Product' 是否包含 'galaxy' (不区分大小写)
df_text['Has_Galaxy'] = df_text['Product'].str.contains('GALAXY', case=False)

print("\n字符串操作后的 DataFrame:")
print(df_text)

其他常见的 .str 方法包括 startswith()、endswith()、replace()、len()、strip()、get() 等等。它们在清理和标准化文本数据方面非常实用。

使用 astype() 更改列数据类型

有时，数据加载时的数据类型不正确。例如，数字可能被读取为字符串（对象类型），或者在处理缺失值后你可能想将浮点数转换为整数。astype() 方法可以更改列的数据类型。

# 带有混合类型的示例 DataFrame
data_types = {'ID': ['101', '102', '103'],
              'Value': [20.5, 15.0, 33.8],
              'Category': ['X', 'Y', 'X']}
df_types = pd.DataFrame(data_types)

print("带有数据类型的原始 DataFrame:")
print(df_types)
print(df_types.dtypes)

# 将 'ID' 从对象（字符串）转换为整数
df_types['ID'] = df_types['ID'].astype(int)

# 将 'Value' 从浮点数转换为整数（截断小数部分）
df_types['Value_Int'] = df_types['Value'].astype(int)

# 将 'Category' 转换为更节省内存的 'category' 数据类型
df_types['Category'] = df_types['Category'].astype('category')

print("\n更改数据类型后的 DataFrame:")
print(df_types)
print(df_types.dtypes)

更改类型时请务必小心。如果转换不可行（例如，尝试将 'hello' 这样的字符串转换为整数），Pandas 将引发错误。在使用 astype() 之前，请确认你的数据适合目标类型。对于涉及潜在错误或缺失值的转换，你可能需要先整理数据，或使用像 pd.to_numeric(errors='coerce') 这样的函数，它会将无法转换的值变为 $NaN$。

修改现有列是数据整理的核心部分。通过结合直接操作、apply()、replace()、字符串方法和类型转换，你可以很好地调整数据，使其符合分析所需的格式。