Новые столбцы

До сих пор мы только читали таблицы. Теперь начнём их менять — и первым делом добавлять столбцы: выручку, маржу, долю. В этом модуле появится ещё одна таблица магазина — справочник товаров data/products.csv: 20 товаров с ценой (price) и себестоимостью (cost).

import pandas as pd

products = pd.read_csv("data/products.csv")
products.head()

Новый столбец

Столбец добавляют присваиванием: слева — таблица и название нового столбца в скобках, справа — значения.

products["margin"] = products["price"] - products["cost"]
products.head()

Справа может стоять любой Series той же длины — обычно результат арифметики или сравнения. Если справа одно значение, им заполнится весь столбец:

products["currency"] = "RUB"
products["is_costly"] = products["price"] > 1000
products.head(3)

Новый столбец всегда встаёт последним.

orders = pd.read_csv("data/shop_orders.csv")
# добавьте в таблицу orders столбец revenue

orders = pd.read_csv("data/shop_orders.csv")
orders["revenue"] = orders["price"] * orders["quantity"]

Перезаписать столбец

Если столбец с таким названием уже есть, присваивание его заменит. Превратим маржу из рублей в долю цены:

products["margin"] = products["margin"] / products["price"]
products[["name", "price", "cost", "margin"]].head(3)

Длинные дроби читать неудобно. Метод round округляет значения Series до нужного числа знаков после запятой:

products["margin"] = products["margin"].round(2)
products[["name", "price", "cost", "margin"]].head(3)

Будьте осторожны с перезаписью: прежних значений больше нет. Если запустить ячейку с делением ещё раз, доля разделится на цену повторно — и получится бессмыслица. Когда столбец меняет смысл, лучше дать новому своё название.

# добавьте в таблицу products столбец markup

products["markup"] = (products["price"] / products["cost"]).round(1)

assign: столбец в новой таблице

Присваивание меняет саму таблицу. Метод assign поступает иначе: возвращает новую таблицу с добавленным столбцом, а исходную оставляет как была. Название столбца пишут как имя параметра — без кавычек:

with_vat = products.assign(price_vat=products["price"] * 1.2)
with_vat[["name", "price", "price_vat"]].head(3)

print("price_vat" in products.columns)
print("price_vat" in with_vat.columns)

False
True

assign удобен, когда столбец нужен на один раз или когда исходную таблицу портить нельзя.

rename и drop

rename переименовывает столбцы по словарю «старое название → новое»:

products.rename(columns={"category": "group", "cost": "cost_rub"}).head(2)

drop удаляет столбцы из списка:

products.drop(columns=["margin", "cost"]).head(2)

Оба метода, как и assign, возвращают новую таблицу. Исходная не изменилась — все столбцы на месте:

products.columns

Index(['product_id', 'name', 'category', 'price', 'cost', 'margin', 'currency',
       'is_costly', 'markup'],
      dtype='str')

Так ведут себя почти все методы pandas: они не меняют таблицу, а возвращают изменённую копию. Чтобы сохранить результат, его нужно присвоить — новой переменной или той же: products = products.drop(columns=[...]).

t = pd.DataFrame({"a": [1, 2], "b": [3, 4], "c": [5, 6]})
t.drop(columns=["c"])
print(t.shape[1])

catalog = ...

catalog = products.rename(columns={"name": "product"}).drop(columns=["currency", "is_costly"])

Столбец из нового столбца

Добавленный столбец — обычный столбец: его можно использовать в следующих вычислениях.

# добавьте в orders столбцы discount и to_pay
total_to_pay = ...

orders["discount"] = orders["revenue"] * 0.05
orders["to_pay"] = orders["revenue"] - orders["discount"]
total_to_pay = orders["to_pay"].sum()

Итоги

• таблица["новый"] = значения добавляет столбец или заменяет существующий — меняет саму таблицу.
• round(n) округляет до n знаков после запятой.
• assign(название=значения), rename(columns={...}), drop(columns=[...]) возвращают новую таблицу; результат нужно сохранить.