Dataframe 新增一列, apply 通用方法

可以使用 `apply` 方法对 DataFrame 中的某一列进行操作，并将结果存储为新的一列。下面是一个示例：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 定义一个函数
def my_func(x):
    return x * 2

# 对列 A 应用函数 my_func，并将结果存储为新的一列 C
df['C'] = df['A'].apply(my_func)

# 输出结果
print(df)

上面的代码中，`apply` 方法接受一个函数作为参数，并将该函数应用于 DataFrame 的某一列。函数 `my_func` 接受一个参数 `x`，将其乘以 2 并返回。最后，将得到的结果存储为新的一列 C，并输出 DataFrame。

相关问题

dataframe新增一列

要在dataframe中新增一列，可以使用以下方法：

1. 使用索引方式新增一列

import pandas as pd

#创建一个dataframe
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

#新增一列C
df['C'] = [7, 8, 9]

print(df)

输出：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

2. 使用assign方式新增一列

import pandas as pd

#创建一个dataframe
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

#新增一列C
df = df.assign(C=[7, 8, 9])

print(df)

输出：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

3. 使用apply方式新增一列

import pandas as pd

#创建一个dataframe
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

#新增一列C，C列的值是A列和B列的和
df['C'] = df.apply(lambda x: x['A'] + x['B'], axis=1)

print(df)

输出：

   A  B  C
0  1  4  5
1  2  5  7
2  3  6  9

其中，`axis=1`表示对每一行进行操作。

dataframe新增一列序号

要在Pandas DataFrame中新增一列序号，你可以采用以下方法：

1. **简单计数**[^1]:

   data['SerialNo'] = range(len(data))  # 生成从0开始到DataFrame长度减1的序列

2. **基于索引**:

   data['SerialNo'] = data.index  # 新增一列，其值等于DataFrame的索引（默认从0开始）

3. **使用`apply()`函数**[^2]:

   def generate_seq(row):
       return row.name  # 对每一行应用row.name，返回当前行的索引作为序号

   data['SerialNo'] = data.apply(generate_seq, axis=1)

4. **基于其他列**:
如果你想基于某个已存在的列来生成序号，比如`data['OldCol']`，可以这样操作：

   data['SerialNo'] = data.groupby('OldCol').cumcount()  # 按照OldCol分组并累加计数

相关问题：
1. 序号列如何根据特定条件重新排列？
2. 如何避免在已有重复值的列上添加序号？
3. 使用`apply()`函数时，如果某些行缺失值，如何处理？