pandas将po编号和po行号和物料编码组合中间用“-”连接的代码并建立新的列

可以使用 pandas 的字符串拼接功能 `str.cat()` 将三列拼接成新的一列，然后使用 `df['新列名'] = 新列数据` 的方式添加到原数据框中。具体的代码如下：

import pandas as pd

# 假设原始数据框为 df，包含 po编号、po行号、物料编码 三列
# 下面是一个示例数据
df = pd.DataFrame({
    'po编号': ['PO001', 'PO002', 'PO003'],
    'po行号': ['001', '002', '003'],
    '物料编码': ['M001', 'M002', 'M003']
})

# 使用 str.cat() 函数将三列拼接成新的一列，并添加到原数据框中
df['新列名'] = df['po编号'].str.cat([df['po行号'], df['物料编码']], sep='-')

# 查看拼接结果
print(df)

输出结果为：

   po编号 po行号 物料编码         新列名
0  PO001  001  M001  PO001-001-M001
1  PO002  002  M002  PO002-002-M002
2  PO003  003  M003  PO003-003-M003

相关问题

使用python将Excel中的第一列数据和第二列数据使用 - 连接起来，并添加到excel中作为新的一列

好的，可以使用Python中的pandas库来实现这个功能。下面是示例代码：

import pandas as pd

# 读取Excel文件
df = pd.read_excel("example.xlsx")

# 拼接第一列和第二列并添加到新的一列
df['new_column'] = df.iloc[:,0].astype(str) + '-' + df.iloc[:,1].astype(str)

# 保存到Excel文件中
df.to_excel("example.xlsx", index=False)

其中，`read_excel`函数用于读取Excel文件，`iloc`用于获取指定的列，`astype`用于将数据类型转换为字符串类型，`+`用于拼接字符串，`to_excel`用于将处理后的数据保存到Excel文件中。最后的`index=False`参数表示不保存行索引。

需要注意的是，这个示例代码假设第一列和第二列的数据类型都是字符串类型。如果数据类型不同，需要进行相应的类型转换。

pandas行和列排列组合

在pandas中，可以使用concat函数来进行行和列的排列组合。引用中提到了几种常用的方法：

1. 连接不同行索引的列：可以使用pd.concat()函数，设置axis参数为1，将多个DataFrame按列连接在一起，生成一个新的DataFrame。例如：col_concat = pd.concat([df1, df2, df3], axis=1)。

2. 添加新的行：可以使用pd.concat()函数，将Series或DataFrame与原有的DataFrame进行连接，生成一个新的DataFrame。如果没有列索引与之对应，会新增一列，默认值为NaN。例如：new_row_series = pd.Series(['n1', 'n2', 'n3', 'n4'])，将new_row_series与df1进行连接，可以使用pd.concat([df1, new_row_series])。如果要将Series作为行添加，需要先将其转为DataFrame。例如：new_row_data = pd.DataFrame([['n1', 'n2', 'n3', 'n4']], columns=['A', 'B', 'C', 'D'])，将new_row_data与df1进行连接，可以使用pd.concat([df1, new_row_data])。

3. Dataframe结构的行和列排列组合：Dataframe的结构类似于二维矩阵，每一列是一个特征，每一行是一个样本。对于Dataframe结构的某一列进行排序，可以使用sort_values()方法。例如，对df表中的user_id这一列进行排序，默认是从小到大排列。可以使用df.sort_values('user_id')。

所以，可以根据具体需求使用这些方法来进行行和列的排列组合。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [(十)pandas数据组合](https://blog.csdn.net/benjorsun/article/details/112931379)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
- *3* [Pandas 对Dataframe结构排序的实现方法](https://download.csdn.net/download/weixin_38536349/13776334)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]