使用 pandas dataframe 時，如果不存在，如何添加列？

Question

我是使用 pandas 的新手，並且正在編寫一個腳本，我在其中讀取 dataframe 然后對某些列進行一些計算。

有時我會有一個名為“Met”的專欄：

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

其他時候我會有：

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

我需要對“Met”列進行一些計算，所以如果它不存在，我需要使用以下方法計算它：

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

有沒有辦法檢查 dataframe 中是否存在“Met”列，如果不添加？

Answer 1

你像這樣檢查它：

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

Answer 2

如果有興趣在方法鏈中有條件地添加列，請考慮將pipe()與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

如果您從頭開始創建 dataframe，則只需將列名傳遞給pd.DataFrame()調用即可創建沒有循環的缺失列：

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，則采用該列內的值。 否則freqC和coverage會相乘。