大数据分析使用numpy在pandas dataframe上添加列

　　当我们使用Python进行数据分析时，有时可能需要根据DataFrame其他列中的值向pandas DataFrame添加一列。
 

　　尽管这听起来很简单，但是如果我们尝试使用if-else条件语句来做，可能会变得有些复杂。值得庆幸的是，有一种使用numpy做到这一点的简单，好方法!
 

　　要学习如何使用它，我们来看一个特定的数据分析问题。我们拥有4,000多个AAA教育推文的数据集。附有图像的推文会获得更多的赞和转发吗?让我们做一些分析找出答案!
 

　　我们将从导入pandas和numpy开始，并加载数据集以查看其外观。

　　我们可以看到我们的数据集包含有关每个推文的一些信息，包括：
 

　　1)date —推文发布的日期

　　2)time —发推文的时间

　　3)tweet -该推文的实际文本

　　4)mentions -推文中提及的任何其他Twitter用户

　　5)photos —推文中包含的任何图像的URL

　　6)replies_count -在推文上的回复数量

　　7)retweets_count -推文的转发数

　　8)likes_count —在推文上的喜欢次数
 

　　我们还可以看到photos数据的格式有些奇怪。
 

　　使用np.where()添加具有正确/错误条件的pandas列
 

　　对于我们的分析，我们只想查看带有图像的推文是否获得更多的交互，因此我们实际上不需要图像URL。让我们尝试创建一个名为的新列hasimage，该列将包含布尔值- True如果该tweet包含图像，False则不包含图像。
 

　　为此，我们将使用numpy的内置where()函数。此函数按顺序接受三个参数：我们要测试的条件，条件为true时分配给新列的值以及条件为false时分配给新列的值。看起来像这样：

　　在我们的数据中，我们可以看到没有图像的推文始终[]在该photos列中具有值。我们可以使用信息并np.where()创建新列hasimage，如下所示：

　　在上方，我们可以看到我们的新列已添加到我们的数据集，并且已正确标记了tweet，其中包括图像为True，其他图像为False。
 

　　现在我们有了hasimage专栏，让我们快速制作几个新的DataFrame，一个用于所有图像推文，一个用于所有无图像推文。我们将使用布尔过滤器进行此操作：

　　现在，我们已经创建了那些，我们可以使用内置的数学函数.mean()来快速比较每个DataFrame中的推文。
 

　　我们将使用print()语句使结果更易于阅读。我们还需要记住使用str()来将.mean()计算结果转换为字符串，以便可以在我们的打印语句中使用它：

　　根据这些结果，似乎包括图像可能会促进AAA教育的更多社群媒体的交互。有图片的推文的平均赞和转发次数是没有图片的推文的三倍。
 

　　添加条件更复杂的pandas专栏
 

　　这种方法效果很好，但是如果我们想添加一个条件更复杂的新列(超出True和False的条件)怎么办?
 

　　例如，为了更深入地研究这个问题，我们可能要创建一些交互性“层”，并评估到达每个层的推文所占的百分比。为了简单起见，让我们使用Likes来衡量交互性，并将tweet分为四个层次：
 

　　1)tier_4 -2个或更少的喜欢

　　2)tier_3 — 3-9个赞

　　3)tier_2 — 10-15个赞

　　4)tier_1 — 16个赞
 

　　为此，我们可以使用称为的函数np.select()。我们给它两个参数：一个条件列表，以及一个我们想要分配给新列中每一行的值的对应列表。
 

　　这意味着顺序很重要：如果conditions满足列表中的第一个条件，则列表中的第一个值values将分配给该行的新列。如果满足第二个条件，则将分配第二个值，等等。
 

　　让我们看一下它在Python代码中的外观：

　　太棒了!我们创建了另一个新列，该列根据我们的(虽然有些武断)层排名系统对每个tweet进行了分类。
 

　　现在，我们可以使用它来回答有关我们的数据集的更多问题。例如：1级和4级推文中有多少百分比具有图像?

　　在这里，我们可以看到尽管图像似乎有所帮助，但它们似乎并不是成功所必需的。
 

　　尽管这是一个非常肤浅的分析，但我们已经在这里实现了我们的真正目标：根据有关现有列中值的条件语句向pandas DataFrames添加列。
 

　　当然，这是可以以多种方式完成的任务。np.where()而np.select()只是许多潜在的两种方法。