在 Pandas DataFrame 中添加新列时结果不一致。它是一个系列还是一个值？

Question

所以我知道我可以像这样在 Pandas 中简单地添加一个新列：

df
=====
  A
1 5
2 6
3 7

df['new_col'] = "text"

df
====
  A    new_col
1 5    text
2 6    text
3 7    text

而且我还可以根据对现有列的操作设置新列。

def times_two(x):
    return x * 2

df['newer_col'] = time_two(df.a)
df
====
  A    new_col   newer_col
1 5    text      10
2 6    text      12
3 7    text      14

但是，当我尝试对文本列进行操作时，我得到了一个意外的 AttributeError。

df['new_text'] = df['new_col'].upper()
AttributeError: 'Series' object has no attribute 'upper'

它现在将值视为一个系列，而不是那个“单元格”中的值。

为什么文本会发生这种情况而不是数字会发生这种情况？如何使用基于现有文本列的新列更新我的 DF？

Answer 1

这是因为 * 运算符被实现为 mul 运算符，而 upper 没有为 Series 定义。您必须使用str.upper，它是为Series 实现的，其中dtype 是str：

In[53]:
df['new_text'] = df['new_col'].str.upper()
df

Out[53]: 
   A new_col new_text
1  5    text     TEXT
2  6    text     TEXT
3  7    text     TEXT

这里没有魔法。

对于df['new_col']，这只是分配一个标量值并符合broadcasting 规则，其中标量沿短轴广播到df 的长度，有关说明，请参见此：What does the term "broadcasting" mean in Pandas documentation?