简体   繁体   English

使用 lambda 了解 pandas 中的分配行为

[英]Understand assign behaviour in pandas using lambda

I have created a simple pandas dataframe using python 3.8.5 and pandas version 1.2.1我使用 python 3.8.5 和 Z3A43B4F8832915D94022C0EF 版本创建了一个简单的 pandas dataframe。

df = pd.DataFrame({'x' : [1,2], 'y' : [3,4]})

I would like to perform a string addition of the 2 columns into the third using assign function.我想使用assign function将2列添加到第三列中。

df.assign(c = lambda d: str(d['x']) + str(d['y']))

在此处输入图像描述

I was expecting to see the column 'c' to have ['13', '24']我期待看到列 'c' 有 ['13', '24']

Can someone please help me understand this behavior?有人可以帮我理解这种行为吗?

With str(d['x']) you'll get string representation of pd.Series ( similar when you do print(df['x']) ), which isn't what you want.使用str(d['x'])您将获得pd.Series的字符串表示形式(在您执行print(df['x'])时类似),这不是您想要的。

If you want use .assign with lambda, you can do:如果您想将.assign与 lambda 一起使用,您可以执行以下操作:

df = pd.DataFrame({"x": [1, 2], "y": [3, 4]})

print(df.assign(c=lambda d: d["x"].astype(str) + d["y"].astype(str)))

Prints:印刷:

   x  y   c
0  1  3  13
1  2  4  24

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM