unempl
0 2012 VA 5.0 NaN
1 2013 VA 5.1 NaN
2 2014 VA 5.2 6.0
3 2014 MD 4.0 6.0
4 2015 MD 4.1 6.1
对不存在的新列赋值来创建新列...'''
array([[ nan, 5.2],
[ 4.1, nan]])
'''
如果列是不同的dtypes,则 2D 数组的dtype将兼容所有列:
df_3.values...VA', 5.2, 6.0],
[2014, 'MD', 4.0, 6.0],
[2015, 'MD', 4.1, 6.1]], dtype=object)
'''
重索引
使用符合新索引的数据创建新对象...c 0.530438
d 0.396653
dtype: float64
'''
将 1D 数组上的函数应用于每行:
df_11.apply(func_1, axis=1)
'''
0...0.00
1 0.00 0.41 0.53 0.09
2 0.11 0.05 0.01 0.40
将逐元素的 Python 函数应用于Series:
df_11['a'].map(func_3)