使用 pandas dataframe 时，如果不存在，如何添加列？

Question

我是使用 pandas 的新手，并且正在编写一个脚本，我在其中读取 dataframe 然后对某些列进行一些计算。

有时我会有一个名为“Met”的专栏：

df = pd.read_csv(File, 
  sep='\t', 
  compression='gzip', 
  header=0, 
  names=["Chrom", "Site", "coverage", "Met"]
)

其他时候我会有：

df = pd.read_csv(File, 
  sep='\t', 
  compression='gzip', 
  header=0, 
  names=["Chrom", "Site", "coverage", "freqC"]
)

我需要对“Met”列进行一些计算，所以如果它不存在，我需要使用以下方法计算它：

df['Met'] = df['freqC'] * df['coverage'] 

有没有办法检查 dataframe 中是否存在“Met”列，如果不添加？

Answer 1

你像这样检查它：

if 'Met' not in df:
    df['Met'] = df['freqC'] * df['coverage'] 

Answer 2

如果有兴趣在方法链中有条件地添加列，请考虑将pipe()与lambda一起使用：

df.pipe(lambda d: (
    d.assign(Met=d['freqC'] * d['coverage'])
    if 'Met' not in d else d
))

Answer 3

如果您从头开始创建 dataframe，则只需将列名传递给pd.DataFrame()调用即可创建没有循环的缺失列：

cols = ['column 1','column 2','column 3','column 4','column 5']
df = pd.DataFrame(list_or_dict, index=['a',], columns=cols)

Answer 4

或者，您可以使用get ：

df['Met'] = df.get('Met', df['freqC'] * df['coverage'])    

如果Met列存在，则采用该列内的值。 否则freqC和coverage会相乘。