向pandas datafram添加计算列

Question

我对Python、pandas和编程完全陌生，我无法理解以下内容：

我在pandas的帮助下访问了一个数据库，并将查询中的数据放入一个数据框df中。其中一列包含生日，可以有以下形式： -1980年1月25日（字符串） -01/25（字符串） -无（无类型）

现在，我想向df添加一个新的列，它在数据库中存储这些人的年龄。因此，我做了以下工作：

def addAge(df):

    today = date.today()
    df["age"] = None
    for index, row in df.iterrows():
        if row["birthday"] != None:
            if len(row["birthday"]) == 10:
                birthday = df["birthday"]
                birthdayDate = datetime.date(int(birthday[6:]), int(birthday[:2]), int(birthday[3:5])) 
                row["age"] = today.year - birthdayDate.year - ((today.month, today.day) < (birthdayDate.month, birthdayDate.day))
        print row["birthday"], row["age"]  #this is just for testing

addAge(df)
print df

行打印行[“生日”]、行[“年龄”]正确打印生日和年龄。但是当我调用print df时，列age总是包含“None”。你们能给我解释一下我做错了什么吗？谢谢！在

Answer 1

当您调用iterrows()时，您将获得每行的副本，并且无法将其分配回较大的数据帧。一般来说，您应该尝试使用向量化方法，而不是迭代行。在

例如，在本例中，要解析“birthday”列，可以执行以下操作：对于长度为10的行，字符串将被解析为datetime，否则将用丢失的值填充。在

import numpy as np
import pandas as pd
df['birthday'] = np.where(df['birthday'].str.len() == 10, pd.to_datetime(df['birthday']), '')

要计算年龄，可以使用.apply，它对序列的每一行应用一个函数。
因此，如果您将年龄计算打包到一个函数中：

^{pr2}$

然后，可以这样计算年龄列：

today = date.today()
df['age'] = df['birthday'].apply(lambda x: calculate_age(x, today))