6

Tenho o seguinte DataFrame genérico com 100 linhas:

using DataFrames

df = DataFrame(X=LinRange(0.0,2π,100));

first(df, 6)
6×1 DataFrame
 Row │ X
     │ Float64
─────┼───────────
   1 │ 0.0
   2 │ 0.0634665
   3 │ 0.126933
   4 │ 0.1904
   5 │ 0.253866
   6 │ 0.317333

Como, por exemplo, calcular o seno dos valores da coluna X e inserir em uma nova coluna SinX?

0

3 Respostas 3

6

Update 2

Além da forma indicada na resposta do @Romerito morais (que está correta), também é possível inserir a coluna utilizando o comando:

insertcols!(df, (:SinX => sin.(df[!, :X])))

ou através de uma referência direta ao nome (símbolo) da nova coluna:

df.SinX = sin.(df.X)

Além do acesso direto: df.X, o vetor com os dados da coluna X podem ser obtidos utilizando df[!, :X] ou df[:, :X].

A diferença é que o símbolo !, quando utilizado na primeira posição de indexação, retorna uma visão, e o símbolo : retorna uma cópia dos dados.

Como não há necessidade de cópia (para o exemplo desta resposta), o ! tem um desempenho melhor.

Maiores detalhes sobre indexação e visão (view) podem ser consultados na documentação.

Referência: insertcols!

Julia versão 1.7.1 (2021-12-22)


Update 1 (obsoleto)

A forma utilizada para indexar o DataFrame e calcular o seno na resposta, estão obsoletos a partir da versão >= 1.0.

A forma correta do comando para inserir a nova coluna é:

df[:SinX] = sin.(df[:, :X])

O ponto entre a função sin e o parenteses indica que é uma operação vetorial, e o índice [:X] indica uma busca por todos os elementos (:) da coluna X.

Resultado:

first(df, 6)
6×2 DataFrame
 Row │ X          SinX
     │ Float64    Float64
─────┼──────────────────────
   1 │ 0.0        0.0
   2 │ 0.0634665  0.0634239
   3 │ 0.126933   0.126592
   4 │ 0.1904     0.189251
   5 │ 0.253866   0.251148
   6 │ 0.317333   0.312033

Para mais detalhes, consulte o manual (em inglês): DataFrames.jl


Original (obsoleto)

Para incluir a nova coluna, basta atribuir o(s) valor(es) a essa nova coluna.

Exemplo:

df[:SinX] = sin(df[:X])
head(df)

    X                   SinX
1   0.0                 0.0
2   0.06346651825433926 0.0634239196565645
3   0.12693303650867852 0.12659245357374926
4   0.19039955476301776 0.1892512443604102
5   0.25386607301735703 0.2511479871810792
6   0.3173325912716963  0.31203344569848707

2

Acho que usar a função map é mais eficiente pela questão da composição, assim você não precisa percorrer o DataFrame duas vezes, uma inicilizando e a outra atribuindo um valor funcional.

df[:error] = map((x,y) -> x-y , df[:A], df[:B])

apesar de especificamente no seu caso ela levar apenas a mais código, creio que leva ao um entendimento melhor.

df[:SinX] = map((x) -> sin(x), df[:X])

Isso quer dizer que, para cada entrada de df[:X] mapeie para uma nova entrada aplicando a função sin(x)

2
  • A atribuição direta percorre o DataArray df[:X] apenas uma vez, da mesma forma que o map. Apesar de o código gerado pelas duas formas ser bem parecido (@code_lowered()), a atribuição direta é mais eficiente que o map (para o exemplo da pergunta, cerca de 790 vezes mais rápida e consumo de memória 450 vezes menor), pois evita verificações e conversões de tipos (para visualizar esses problemas: @code_warntype(map((x) -> sin(x), df[:X])))
    – Gomiero
    Commented 15/11/2016 às 2:00
  • nesse caso em expecífico sim, por que você está usando só uma variável, minha ideia foi dar uma opção pra quem tiver que mapear algo derivado de dois campos.
    – pmargreff
    Commented 15/11/2016 às 3:29
1

Versao 1.3.1

Exemplo:

df[!, :SinX]  = sin.(df[:, :x])

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .