大數(shù)據(jù)分析使用numpy在pandas dataframe上添加列

　　當(dāng)我們使用Python進(jìn)行數(shù)據(jù)分析時(shí)，有時(shí)可能需要根據(jù)DataFrame其他列中的值向pandas DataFrame添加一列。
 

　　盡管這聽(tīng)起來(lái)很簡(jiǎn)單，但是如果我們嘗試使用if-else條件語(yǔ)句來(lái)做，可能會(huì)變得有些復(fù)雜。值得慶幸的是，有一種使用numpy做到這一點(diǎn)的簡(jiǎn)單，好方法!
 

　　要學(xué)習(xí)如何使用它，我們來(lái)看一個(gè)特定的數(shù)據(jù)分析問(wèn)題。我們擁有4,000多個(gè)AAA教育推文的數(shù)據(jù)集。附有圖像的推文會(huì)獲得更多的贊和轉(zhuǎn)發(fā)嗎?讓我們做一些分析找出答案!
 

　　我們將從導(dǎo)入pandas和numpy開(kāi)始，并加載數(shù)據(jù)集以查看其外觀。

　　我們可以看到我們的數(shù)據(jù)集包含有關(guān)每個(gè)推文的一些信息，包括：
 

　　1)date —推文發(fā)布的日期

　　2)time —發(fā)推文的時(shí)間

　　3)tweet -該推文的實(shí)際文本

　　4)mentions -推文中提及的任何其他Twitter用戶

　　5)photos —推文中包含的任何圖像的URL

　　6)replies_count -在推文上的回復(fù)數(shù)量

　　7)retweets_count -推文的轉(zhuǎn)發(fā)數(shù)

　　8)likes_count —在推文上的喜歡次數(shù)
 

　　我們還可以看到photos數(shù)據(jù)的格式有些奇怪。
 

　　使用np.where()添加具有正確/錯(cuò)誤條件的pandas列
 

　　對(duì)于我們的分析，我們只想查看帶有圖像的推文是否獲得更多的交互，因此我們實(shí)際上不需要圖像URL。讓我們嘗試創(chuàng)建一個(gè)名為的新列hasimage，該列將包含布爾值- True如果該tweet包含圖像，F(xiàn)alse則不包含圖像。
 

　　為此，我們將使用numpy的內(nèi)置where()函數(shù)。此函數(shù)按順序接受三個(gè)參數(shù)：我們要測(cè)試的條件，條件為true時(shí)分配給新列的值以及條件為false時(shí)分配給新列的值?？雌饋?lái)像這樣：

　　在我們的數(shù)據(jù)中，我們可以看到?jīng)]有圖像的推文始終[]在該photos列中具有值。我們可以使用信息并np.where()創(chuàng)建新列hasimage，如下所示：

　　在上方，我們可以看到我們的新列已添加到我們的數(shù)據(jù)集，并且已正確標(biāo)記了tweet，其中包括圖像為T(mén)rue，其他圖像為False。
 

　　現(xiàn)在我們有了hasimage專(zhuān)欄，讓我們快速制作幾個(gè)新的DataFrame，一個(gè)用于所有圖像推文，一個(gè)用于所有無(wú)圖像推文。我們將使用布爾過(guò)濾器進(jìn)行此操作：

　　現(xiàn)在，我們已經(jīng)創(chuàng)建了那些，我們可以使用內(nèi)置的數(shù)學(xué)函數(shù).mean()來(lái)快速比較每個(gè)DataFrame中的推文。
 

　　我們將使用print()語(yǔ)句使結(jié)果更易于閱讀。我們還需要記住使用str()來(lái)將.mean()計(jì)算結(jié)果轉(zhuǎn)換為字符串，以便可以在我們的打印語(yǔ)句中使用它：

　　根據(jù)這些結(jié)果，似乎包括圖像可能會(huì)促進(jìn)AAA教育的更多社群媒體的交互。有圖片的推文的平均贊和轉(zhuǎn)發(fā)次數(shù)是沒(méi)有圖片的推文的三倍。
 

　　添加條件更復(fù)雜的pandas專(zhuān)欄
 

　　這種方法效果很好，但是如果我們想添加一個(gè)條件更復(fù)雜的新列(超出True和False的條件)怎么辦?
 

　　例如，為了更深入地研究這個(gè)問(wèn)題，我們可能要?jiǎng)?chuàng)建一些交互性“層”，并評(píng)估到達(dá)每個(gè)層的推文所占的百分比。為了簡(jiǎn)單起見(jiàn)，讓我們使用Likes來(lái)衡量交互性，并將tweet分為四個(gè)層次：
 

　　1)tier_4 -2個(gè)或更少的喜歡

　　2)tier_3 — 3-9個(gè)贊

　　3)tier_2 — 10-15個(gè)贊

　　4)tier_1 — 16個(gè)贊
 

　　為此，我們可以使用稱為的函數(shù)np.select()。我們給它兩個(gè)參數(shù)：一個(gè)條件列表，以及一個(gè)我們想要分配給新列中每一行的值的對(duì)應(yīng)列表。
 

　　這意味著順序很重要：如果conditions滿足列表中的第一個(gè)條件，則列表中的第一個(gè)值values將分配給該行的新列。如果滿足第二個(gè)條件，則將分配第二個(gè)值，等等。
 

　　讓我們看一下它在Python代碼中的外觀：

　　太棒了!我們創(chuàng)建了另一個(gè)新列，該列根據(jù)我們的(雖然有些武斷)層排名系統(tǒng)對(duì)每個(gè)tweet進(jìn)行了分類(lèi)。
 

　　現(xiàn)在，我們可以使用它來(lái)回答有關(guān)我們的數(shù)據(jù)集的更多問(wèn)題。例如：1級(jí)和4級(jí)推文中有多少百分比具有圖像?

　　在這里，我們可以看到盡管圖像似乎有所幫助，但它們似乎并不是成功所必需的。
 

　　盡管這是一個(gè)非常膚淺的分析，但我們已經(jīng)在這里實(shí)現(xiàn)了我們的真正目標(biāo)：根據(jù)有關(guān)現(xiàn)有列中值的條件語(yǔ)句向pandas DataFrames添加列。
 

　　當(dāng)然，這是可以以多種方式完成的任務(wù)。np.where()而np.select()只是許多潛在的兩種方法。