大家好，歡迎來到數據新手村的第二十一天！在過去幾天，我們學會了載入資料、篩選資料、處理缺失值和轉換資料類型。我們的數據集已經變得越來越乾淨。

但數據分析的魅力，不僅在於「清理」現有的資料，更在於從中「創造」出新的、更有價值的資訊。這個過程，我們稱之為**「特徵工程 (Feature Engineering)」**。

今天，我們就要來學習特徵工程最基礎、也最重要的一步：如何在 Pandas DataFrame 中新增與刪除欄位 (Column)。

1. 新增欄位：直接賦值法

這是最簡單、最直觀的新增欄位方式。我們可以直接對一個新的欄位名稱賦值，Pandas 就會自動幫我們創建它。

範例一：基於現有欄位的簡單計算

讓我們讀取 order_items 資料表，它包含了商品價格 (price) 和運費 (freight_value)。我們可以很輕易地計算出每個品項的「總價」。

import pandas as pd

# 讀取訂單商品資料表
order_items_df = pd.read_csv('../../data/olist_datasets/olist_order_items_dataset.csv')

# 新增 'total_value' 欄位，其值等於 price + freight_value
order_items_df['total_value'] = order_items_df['price'] + order_items_df['freight_value']

# 檢視結果，注意看最右邊多出來的新欄位
print(order_items_df.head())

輸出結果：
order_id order_item_id
0 00010242fe8c5a6d1ba2dd792cb16214 1
1 00018f77f2f0320c557190d7a144bdd3 1
2 000229ec398224ef6ca0657da4fc703e 1
3 00024acbcdf0a6daa1e931b038114c75 1
4 00042b26cf59d7ce69dfabb4e55b4fd9 1

                     product_id                         seller_id  \

0 4244733e06e7ecb4970a6e2683c13e61 48436dade18ac8b2bce089ec2a041202
1 e5f2d52b802189ee658865ca93d83a8f dd7ddc04e1b6c2c614352b383efe2d36
2 c777355d18b72b67abbeef9df44fd0fd 5b51032eddd242adc84c38acab88f23d
3 7634da152a4610f1595efa32f14722fc 9d7a1d34a5052409006425275ba1c2b4
4 ac6c3623068f30de03045865e4e10089 df560393f3a51e74553ab94004ba5c87

shipping_limit_date price freight_value total_value
0 2017-09-19 09:45:35 58.90 13.29 72.19
1 2017-05-03 11:05:13 239.90 19.93 259.83
2 2018-01-18 14:48:30 199.00 17.87 216.87
3 2018-08-15 10:10:18 12.99 12.79 25.78
4 2017-02-13 13:57:51 199.90 18.14 218.04

範例二：發揮 datetime 型態的威力 (本篇重點)
還記得我們昨天學的 pd.to_datetime() 嗎？現在就是它發揮價值的時刻！一旦欄位是 datetime 型態，我們就可以輕易地進行日期運算。

讓我們來計算 Olist 訂單從「客戶下單」到「商品送達」總共花了幾天。

# 讀取訂單主表
orders_df = pd.read_csv('../../data/olist_datasets/olist_orders_dataset.csv')

# 將兩個時間欄位都轉換成 datetime 型態
orders_df['order_purchase_timestamp'] = pd.to_datetime(orders_df['order_purchase_timestamp'])
orders_df['order_delivered_customer_date'] = pd.to_datetime(orders_df['order_delivered_customer_date'])

# 兩個 datetime 欄位相減，會得到一個 Timedelta 物件
# 我們再用 .dt.days 將其轉換為「天數」
orders_df['delivery_days'] = (orders_df['order_delivered_customer_date'] - orders_df['order_purchase_timestamp']).dt.days

# 檢視我們新建立的 'delivery_days' 欄位
# 為了方便觀察，我們只選取相關的欄位來看
orders_df[['order_purchase_timestamp', 'order_delivered_customer_date', 'delivery_days']].head()

輸出結果：

看到 delivery_days 欄位了嗎？這就是一個全新的、由我們自己創造出來的有價值的「特徵」！

2. 新增欄位：.apply() 與自訂函式

如果新增欄位的邏輯比較複雜，無法用簡單的加減乘除完成呢？例如，我們想根據價格，將商品分為「高價」、「中價」、「低價」三類。這時，.apply() 方法就派上用場了。

.apply() 可以讓我們將一個自訂的函式，應用到欄位的每一個元素上。

# 為了演示，我們只取 order_items_df 的前五筆
sample_df = order_items_df.head().copy() # .copy() 避免 SettingWithCopyWarning

# 步驟 1: 定義一個分類邏輯的函式
def categorize_price(price):
    if price > 500:
        return '高價'
    elif price > 100:
        return '中價'
    else:
        return '低價'

# 步驟 2: 將這個函式 apply 到 'price' 欄位上，並將結果存入新欄位
sample_df['price_category'] = sample_df['price'].apply(categorize_price)

print(sample_df[['price', 'price_category']])

輸出結果：
price price_category
0 58.90 低價
1 239.90 中價
2 199.00 中價
3 12.99 低價
4 199.90 中價

3. 刪除欄位：.drop() 方法

有增就有刪。當我們發現某些欄位不再需要時，可以使用 .drop() 方法來移除它們。

# 假設我們想刪除 'total_value' 和 'price_category' 這兩個我們剛建立的欄位
# 使用 columns 參數來指定要刪除的欄位列表
df_after_drop = sample_df.drop(columns=['total_value', 'price_category'])

# .drop() 預設會回傳一個新的 DataFrame，原始的 sample_df 維持不變
print("刪除後的 DataFrame:")
df_after_drop.head()
Pro Tip: .drop() 方法有一個 inplace=True 的參數。如果設定了它，drop 會直接在原始的 DataFrame 上進行修改，而不會回傳新的。但一般更推薦 df = df.drop(...) 這種重新賦值的方式，程式碼的流向會更清晰。

輸出結果：
刪除後的 DataFrame:

結語

今天我們學會了如何「改造」我們的 DataFrame。新增欄位是數據分析中極具創造性的一環，我們不再只是被動地清理數據，而是開始主動地從數據中創造新的知識與洞見。

我們已經學會了如何準備單一的表格。但數據分析的威力，體現在從「多個表格」的關聯中找出答案。明天，Day 22，我們將迎來 Pandas 中威力最強大、也是數據分析師每天必用的功能——Group By 分組聚合。我們將學會如何從數萬筆訂單中，計算出「每個城市的平均銷售額」這類高價值的商業洞見！