pandas(NumFOCUS)官方文档
如何基于已有列创建新列(pandas 官方入门教程)
学会在 pandas DataFrame 中用赋值创建新列、进行逐元素运算,以及重命名行/列标签。
pand
- 难度
- 见前置条件
- 形式
- 文档
- 语言
- 英文
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
在线即可阅读教程;示例需要本地或在线 Python 环境并安装 pandas,示例数据需另行获取。
- 练习与作业
- 示例数据集 air_quality_no2.csv(官方仓库提供下载)
- 补充内容
- 可选:Google Colab 等在线 Notebook 环境运行示例
选择学习环境
按你的电脑系统准备;提示词在你自己的电脑上使用。
本机动手
本页是 pandas 官方 Getting started 教程中的一节,讲解如何基于已有列创建新列、进行逐元素运算以及重命名列/行标签。建议边读边在 Python 环境中运行示例代码。
需自备可运行 Python 的环境,并安装 pandas;示例数据 air_quality_no2.csv 需从官方仓库获取。
准备工具和账号
标“选用”的可以跳过。
- Python 运行教程示例代码
- pandas 教程核心库
- air_quality_no2.csv 教程使用的示例数据
- Jupyter/Colab 选用以 Notebook 方式交互运行示例
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「如何基于已有列创建新列(pandas 官方入门教程)」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。 开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口:https://pandas.pydata.org/docs/getting_started/intro_tutorials/05_add_columns.html 我的系统:Linux。如果实际不符,先调整方案。 本次路线:Linux:本机动手。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。 练习:在示例数据上自建新列:把巴黎站点数值换算单位或计算两站点比值,并用 rename 把列名改为 OpenAQ 站点编号,验证逐元素运算无需写循环。 课节(官方顺序): 1. How to create new columns derived from existing columns:https://pandas.pydata.org/docs/getting_started/intro_tutorials/05_add_columns.html 1. 环境 - Python 3 - pandas - data/air_quality_no2.csv 示例数据 - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。 2. 材料 - 官方课程页面:只记录链接 https://pandas.pydata.org/docs/getting_started/intro_tutorials/05_add_columns.html 3. 目录(最外层放在我确认的位置) pandas-create-new-columns/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.sh # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-how-to-create-new-columns/ - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。 - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.sh,逐项检查并记录“通过/未通过”: - 在课程根目录运行;每项检查独立执行,进入子目录不能影响下一项。使用当前系统的终端运行。 - python -c "import pandas as pd; print(pd.__version__)" → 打印出 pandas 版本号,表明环境可用。 - python -c "import pandas as pd; df=pd.read_csv('data/air_quality_no2.csv', index_col=0, parse_dates=True); print(df.head())" → 正常输出含三站点列的前几行数据。 - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。 5. 学习计划 - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。 - progress.md:每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。搭好后的课程目录
pandas-create-new-columns/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.sh # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-how-to-create-new-columns/
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-16
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。