pandas按两列条件添加新列

可以使用pandas的apply函数和lambda表达式来实现按两列条件添加新列，具体代码如下：

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10], 'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)

# 按两列条件添加新列
df['D'] = df.apply(lambda x: x['A'] + x['B'] if x['C'] > 12 else x['A'] - x['B'], axis=1)

print(df)

这段代码会在原数据框中添加一列名为D的新列，根据条件判断，如果列C中的值大于12，则新列D的值为列A和列B的和，否则为列A和列B的差。

相关问题

pandas根据一列对另一列赋值

### 回答1：
可以使用 `loc` 方法根据某一列的值对另一列进行赋值，例如：

import pandas as pd

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

# 根据 A 列的值对 B 列进行赋值
df.loc[df['A'] == 2, 'B'] = 10

print(df)

输出结果：

   A   B
0  1   4
1  2  10
2  3   6

这里的 `df['A'] == 2` 表示筛选出 A 列中值为 2 的行，然后对这些行的 B 列进行赋值。

### 回答2：
在pandas中，可以使用`df.loc`方法根据一列的条件对另一列进行赋值。

首先，我们需要创建一个DataFrame对象，用于演示操作。假设我们有一个包含学生姓名和对应数学成绩的数据表。代码如下：

import pandas as pd

data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '数学成绩': [75, 82, 68, 90]}
df = pd.DataFrame(data)

现在，我们想根据数学成绩给学生打分，如果成绩大于等于80分，就给予"A"评级，否则给予"B"评级。

我们可以使用以下代码根据数学成绩列对评级列进行赋值：

df.loc[df['数学成绩'] >= 80, '评级'] = 'A'
df.loc[df['数学成绩'] < 80, '评级'] = 'B'

结果如下：

   姓名  数学成绩 评级
0  张三    75  B
1  李四    82  A
2  王五    68  B
3  赵六    90  A

在上述代码中，我们使用`df.loc`方法来选择满足条件的行，并对评级列进行赋值。第一个参数是行选择条件，第二个参数是列的标签。对于第一个`df.loc`，我们选择数学成绩大于等于80的行，并将对应的评级列赋值为“A”。对于第二个`df.loc`，我们选择数学成绩小于80的行，并将对应的评级列赋值为“B”。

以上就是使用pandas根据一列对另一列赋值的方法。

### 回答3：
在使用pandas库时，可以根据一列的值来赋值给另一列。首先，我们需要导入pandas库：

import pandas as pd

然后，我们可以创建一个DataFrame来进行操作。DataFrame是pandas库中最常用的数据结构，类似于表格。

data = {'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

现在，我们有一个包含两列数据（A列和B列）的DataFrame。接下来，我们将使用A列的值赋值给B列。可以使用以下语法：

df['B'] = df['A']

这意味着我们要将A列的值赋值给B列。此时，B列的值将与A列的值完全相同。

我们还可以在赋值时添加一些条件。例如，我们可以根据A列的值是否大于5来决定是否给B列赋值为1。可以使用以下代码：

df.loc[df['A'] > 5, 'B'] = 1

上述代码中，`df['A'] > 5`是一个条件判断，用于筛选出A列中大于5的行。之后，我们将这些行中的B列的值赋值为1。

综上所述，我们可以使用以上方法根据一列的值对另一列进行赋值。无论是直接赋值还是根据条件赋值，pandas库都提供了很多灵活的方法来操作DataFrame中的数据。

pandas如何增加根据另一列信息确定值的新一列

### 回答1：
你可以使用 `apply` 函数（或者 `applymap` 函数）来实现这个功能。下面是一个例子：

假设你有一个数据框 df，其中包含两列：'age' 和 'gender'。你想要添加一个新列 'age_group'，根据 'age' 列的值确定。

import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({'age': [25, 30, 35, 40, 45], 'gender': ['M', 'F', 'M', 'F', 'F']})

# 定义一个函数来确定年龄组
def get_age_group(age):
    if age < 30:
        return 'Young'
    elif age < 40:
        return 'Middle-aged'
    else:
        return 'Old'

# 使用 apply 函数将 get_age_group 应用到 'age' 列上
df['age_group'] = df['age'].apply(get_age_group)

这样，你就可以得到一个新的数据框，其中包含 'age_group' 列，其值根据 'age' 列的值确定。

### 回答2：
在pandas中，我们可以使用`apply`方法来增加根据另一列信息确定值的新一列。

首先，我们需要定义一个函数，用于根据另一列信息计算新列的值。然后，使用`apply`方法将此函数应用于指定的列或多个列，并将结果存储为新的一列。

下面是一个简单的示例，假设我们有一个包含学生信息的DataFrame，包括“姓名”和“年龄”两列。我们想要增加一列“是否成年”，根据“年龄”确定值。

import pandas as pd

# 创建包含学生信息的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [18, 22, 17, 19]}
df = pd.DataFrame(data)

# 定义一个函数，根据年龄确定是否成年
def check_adult(age):
    if age >= 18:
        return '是'
    else:
        return '否'

# 使用apply方法增加新列
df['是否成年'] = df['年龄'].apply(check_adult)

print(df)

输出结果如下：

  姓名  年龄 是否成年
0  张三  18    是
1  李四  22    是
2  王五  17    否
3  赵六  19    是

在上述示例中，我们使用`apply`方法将`check_adult`函数应用于“年龄”列，并将结果存储为新的一列“是否成年”。

### 回答3：
在pandas中，可以通过使用条件语句和apply函数来增加根据另一列信息确定值的新一列。

首先，我们需要定义一个函数，该函数可以根据要求来确定新一列的值。然后，使用apply函数将该函数应用到目标列上，生成新的一列。

例如，假设我们有一个数据表df，其中包含学生的成绩和年龄两列。我们想要增加一列，根据学生的年龄来确定是否为成年人。

首先，我们定义一个函数is_adult，该函数接受一个年龄值作为参数，并返回一个布尔值，表示是否为成年人。

def is_adult(age):
    if age >= 18:
        return True
    else:
        return False

然后，我们使用apply函数将该函数应用到年龄列上，生成新的一列"是否成年"。

df['是否成年'] = df['年龄'].apply(is_adult)

最终，我们可以通过访问新的一列来获取每个学生是否为成年人的信息。

注意，上述示例中的函数is_adult只是一个简单的示例，可以根据具体需求定义不同的函数来确定新一列的值。同样，apply函数也可以应用于更复杂的逻辑来增加新的一列。