返回资源列表

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。

打开官方课程
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
  1. 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。

  2. 准备工具和账号

    标“选用”的可以跳过。

    运行费用:实践无额外费用,网页未说明练习需付费;示例数据由官方仓库公开提供。

  3. 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:macOS。如果实际不符,先调整方案。
    本次路线:macOS: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/
准备好了,开始学习

来源与使用须知

收录时间
本站首次收录 2026-10-16
指南参考

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。