pandas add_suffix() 索引标签添加后缀

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

add_suffix() 是 pandas 中用于在 DataFrame 或 Series 的列标签或索引标签后添加后缀的一个方法。这在处理数据时，尤其是在区分不同来源的数据列或索引时非常有用。

语法

DataFrame.add_suffix(suffix, axis=None)

适用数据类型

DataFrame
Series

参数意义

suffix:
- 类型: str
- 意义: 这是需要添加到 DataFrame 或 Series 的列标签或索引标签后的后缀。可以是任何字符串。
axis:
- 类型: int 或 None，默认为 None
- 意义:
  - None（默认）表示根据数据类型添加后缀：对 DataFrame 操作时，默认是在列标签上添加后缀；对 Series 操作时，则是在索引标签上添加后缀。
  - axis=0 时，在 DataFrame 的索引标签上添加后缀。
  - axis=1 时，在 DataFrame 的列标签上添加后缀。

返回值

返回值类型:
- 如果作用于 DataFrame，则返回一个新的 DataFrame，列名或索引标签会加上指定的后缀。
- 如果作用于 Series，则返回一个新的 Series，索引标签会加上指定的后缀。

使用场景

区分多个数据源的列: 当多个数据源的列名相同或相似时，可以使用 add_suffix() 添加不同的后缀来区分它们。
在数据分析中的标记: 对特定部分的数据添加后缀，便于后续数据处理或分析时的识别和分离。
自定义索引或列: 在数据处理中，您可能需要在索引或列标签后加上特定的标记，以便后续分析中更容易识别或筛选。

示例

s = pd.Series([1, 2, 3, 4])
s
'''
0    1
1    2
2    3
3    4
dtype: int64
'''

s.add_suffix('_item')
'''
0_item    1
1_item    2
2_item    3
3_item    4
dtype: int64
'''

df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [3, 4, 5, 6]})
df
'''
   A  B
0  1  3
1  2  4
2  3  5
3  4  6
'''

df.add_suffix('_col')
'''
     A_col  B_col
0       1       3
1       2       4
2       3       5
3       4       6
'''

案例

例1: 基础用法

假设有一个简单的 DataFrame，包含三个列：'A'、'B' 和 'C'。

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 添加后缀到列名
df_suffixed = df.add_suffix('_end')

print(df_suffixed)

输出:

'''
   A_end  B_end  C_end
0      1      4      7
1      2      5      8
2      3      6      9
'''

在这个例子中，所有列名都加上了 '_end' 后缀。

例2: 在索引上添加后缀

假设有一个简单的 DataFrame，包含三个列和三个索引。

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['x', 'y', 'z'])

# 添加后缀到索引
df_suffixed = df.add_suffix('_row', axis=0)

print(df_suffixed)

输出:

'''
   A  B  C
x_row  1  4  7
y_row  2  5  8
z_row  3  6  9
'''

在这个例子中，索引标签被添加了 '_row' 后缀。

例3: 区分多个数据源的列

如果有两个数据源，它们的列名相同或相似，可以通过添加不同的后缀来区分它们：

import pandas as pd

# 示例数据源1
df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 示例数据源2
df2 = pd.DataFrame({
    'A': [7, 8, 9],
    'B': [10, 11, 12]
})

# 添加后缀区分数据源
df1_suffixed = df1.add_suffix('_source1')
df2_suffixed = df2.add_suffix('_source2')

# 合并数据源
combined_df = pd.concat([df1_suffixed, df2_suffixed], axis=1)

print(combined_df)

输出:

'''
   A_source1  B_source1  A_source2  B_source2
0          1          4          7         10
1          2          5          8         11
2          3          6          9         12
'''

通过给不同数据源的列名添加后缀，可以轻松区分它们。

总结

add_suffix() 是一个灵活的工具，能够在 DataFrame 和 Series 的标签上添加后缀。通过灵活使用 axis 参数，可以选择在列标签或索引标签上添加后缀，方便在处理和分析数据时做出区分和标记。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.add_suffix.html

< add_prefix() 索引标签添加前缀 pandas 索引 Indexing idxmax() 最大值对应的索引 >

更新时间：2024-08-09 08:13:47 标签：pandas python 索引后缀