Spalten hinzufügen und entfernen

Die einfachste Möglichkeit, eine Spalte hinzuzufügen, ist eine direkte Zuweisung: df['new_col'] = values. Die rechte Seite kann ein Skalar sein (wird auf alle Zeilen angewendet), eine Liste gleicher Länge, ein NumPy-Array, eine Pandas-Series (am Index ausgerichtet) oder ein berechneter Ausdruck mit vorhandenen Spalten. Neue Spalten werden rechts an den DataFrame angefügt.

Zu den häufigsten DataFrame-Operationen gehört das Erstellen von abgeleiteten Merkmalen aus vorhandenen Spalten. Sie können laufende Summen, Verhältnisse und Kennzeichnungen berechnen oder kategoriale Werte in einem einzigen vektorisierten Ausdruck codieren. Diese berechneten Spalten werden automatisch aktualisiert, wenn sich die Quellspalten ändern und Sie sie neu berechnen. Dadurch lassen sich Feature-Engineering-Pipelines einfach reproduzieren.

df.assign(new_col=expression) gibt einen neuen DataFrame mit der hinzugefügten Spalte zurück, ohne das Original zu verändern. Im Gegensatz zur direkten Zuweisung fügt sich die Methode natürlich in eine Method Chain ein. Sie können in einem Aufruf mehrere Spalten hinzufügen. Spätere Spaltenausdrücke können dabei mithilfe von Lambda-Funktionen auf zuvor im selben assign()-Aufruf definierte Spalten verweisen.

df.rename(columns={'old': 'new'}) gibt einen neuen DataFrame mit umbenannten Spalten zurück. Übergeben Sie ein Dict, um ausgewählte Spalten umzubenennen, ohne andere zu verändern. Sie können auch nach einer Funktion umbenennen: df.rename(columns=str.upper) schreibt alle Spaltennamen in Großbuchstaben um. Benennen Sie Spalten vor dem Zusammenführen von DataFrames aus verschiedenen Quellen immer um, damit die Schlüsselspalten übereinstimmen.

Spaltennamen aus der Praxis enthalten oft Leerzeichen, Sonderzeichen oder uneinheitliche Groß- und Kleinschreibung. Ein üblicher Vorverarbeitungsschritt besteht darin, sie zu normalisieren: Entfernen Sie Leerzeichen am Anfang und Ende, wandeln Sie die Namen in Kleinbuchstaben um und ersetzen Sie Leerzeichen durch Unterstriche. So können Sie auf Spalten per Punktnotation zugreifen und vermeiden Probleme mit Anführungszeichen in SQL-ähnlichen Abfragezeichenfolgen.

df.insert(loc, column, value) fügt eine Spalte an der ganzzahligen Position loc ein und verschiebt die übrigen Spalten nach rechts. Das ist nützlich, wenn die neue Spalte neben verwandten Spalten und nicht am Ende erscheinen soll. Die Methode verändert den DataFrame direkt, anders als assign().

df.drop(columns=['col1', 'col2']) gibt einen neuen DataFrame ohne diese Spalten zurück. Die ältere Syntax df.drop(['col1', 'col2'], axis=1) funktioniert ebenfalls, ist aber weniger gut lesbar. Um Spalten direkt zu entfernen, übergeben Sie inplace=True. Geben Sie in Pipelines stets lieber einen neuen DataFrame zurück, damit das Original für Vergleiche oder ein Rollback erhalten bleibt.

df.drop(index=['r1', 'r2']) entfernt Zeilen anhand ihres Labels. df.drop([0, 2]) entfernt die Zeilen 0 und 2 aus einem standardmäßigen ganzzahligen Index. Das Entfernen von Zeilen wird häufig verwendet, um nach der Datenbereinigung bekannte fehlerhafte Datensätze, Ausreißer oder Testzeilen zu entfernen. Verwenden Sie bei einer Entfernung nach Bedingungen vorzugsweise boolesche Indizierung, damit der Code gut lesbar bleibt.

df.pop('col') entfernt die Spalte direkt aus dem DataFrame und gibt sie als Series zurück. Das ist nützlich, wenn Sie eine Zielspalte (Label) aus einer Merkmalsmatrix extrahieren müssen: Sie entfernen sie aus dem DataFrame und halten sie separat, um sie als y-Variable in einem Modell zu verwenden.

Um Spalten neu anzuordnen, wählen Sie sie in der gewünschten Reihenfolge aus, etwa mit df[['col3', 'col1', 'col2']]. Bei großen DataFrames, in denen Sie nur wenige Spalten verschieben möchten, können Sie die gewünschte Reihenfolge programmgesteuert bestimmen: Verschieben Sie wichtige Spalten an den Anfang und lassen Sie die übrigen folgen. Das ist ein üblicher Schritt in Berichten vor dem Export nach Excel.

Zum Aktualisieren aller Werte einer vorhandenen Spalte verwenden Sie dieselbe Zuweisungssyntax wie beim Hinzufügen einer neuen Spalte: df['col'] = new_values. Verwenden Sie df.loc[mask, 'col'] = value, um nur die Zeilen zu aktualisieren, die einer Bedingung entsprechen. Verwenden Sie für Aktualisierungen niemals verkettete Indizierung, sondern immer .loc, um die SettingWithCopyWarning zu vermeiden.

Testen Sie Ihr Verständnis des Hinzufügens und Entfernens von Spalten aus dieser Lektion.

In dieser Lektion haben Sie gelernt: Neue Spalten werden per Zuweisung oder mit dem für Method Chaining geeigneten assign() hinzugefügt, rename() ändert Spaltennamen, ohne die Daten zu verändern und drop() entfernt Spalten oder Zeilen und gibt standardmäßig einen neuen DataFrame zurück. Als Nächstes verwenden wir head(), tail(), info() und describe(), um jeden DataFrame schnell zu untersuchen.