pandas判断新增加一列，如果检验时间为空，处理时间减去接收时间，检验时间不为空处理时间减去检验时间的代码

可以使用 `pandas` 中的 `apply` 方法结合 `lambda` 表达式来实现：

import pandas as pd

# 假设数据存储在 DataFrame 中，检验时间列为 check_time，接收时间列为 receive_time，处理时间列为 process_time
df['new_column'] = df.apply(lambda row: row['process_time'] - row['check_time'] if pd.isnull(row['check_time']) else row['process_time'] - row['receive_time'], axis=1)

这段代码会对 DataFrame 中的每一行进行遍历，判断检验时间是否为空，如果为空则用处理时间减去接收时间，否则用处理时间减去检验时间，最后将计算结果存储在名为 `new_column` 的新列中。

相关问题

用pandas库新增加一列，检验时间字段为空的，用处理时间减去接收时间字段，检验时间不为空

好的，针对你的问题，我来给你提供一下代码：

首先，假设你的 DataFrame 叫做 `df`，时间字段叫做 `time`，接收时间字段叫做 `receive_time`，则可以使用以下代码新增加一列：

df['time_diff'] = None

接着，使用 Pandas 的 `notnull()` 函数筛选出检验时间不为空的行，再使用 Pandas 的 `apply()` 函数对这些行进行处理，计算时间差，并把结果赋值给 `time_diff` 列：

import pandas as pd

def calculate_time_diff(row):
    if pd.notnull(row['time']):
        return row['time'] - row['receive_time']
    else:
        return None

not_null_rows = df[pd.notnull(df['time'])]
df.loc[not_null_rows.index, 'time_diff'] = not_null_rows.apply(calculate_time_diff, axis=1)

这段代码首先定义了一个 `calculate_time_diff()` 函数，用来计算时间差。然后，使用 Pandas 的 `notnull()` 函数筛选出检验时间不为空的行，将这些行的索引保存到 `not_null_rows` 变量中。最后，使用 `apply()` 函数对这些行进行处理，并把结果赋值给 `time_diff` 列。注意，`apply()` 函数的 `axis` 参数必须设置为 1，表示按行进行处理。

这样，就可以新增加一列，并计算出时间差了。希望能对你有所帮助！

用pandas判断增加一列，检验时间字段为空的，用处理时间减去接收时间字段，检验时间不为空，用处理时间减去检验时间字段的代码

好的，针对你的问题，这里给出使用 Pandas 判断并新增加一列的代码示例，分别是针对检验时间字段为空和不为空的情况。

1. 检验时间字段为空的情况：

import pandas as pd

df['time_diff'] = pd.NaT
df.loc[pd.isnull(df['time']), 'time_diff'] = df['processing_time'] - df['receive_time']

这段代码首先新增加一列 `time_diff`，并使用 `pd.NaT` 初始化。然后，使用 Pandas 的 `isnull()` 函数筛选出检验时间为空的行，使用 `loc[]` 方法定位到这些行，并计算时间差，将结果赋值给 `time_diff` 列。

2. 检验时间字段不为空的情况：

import pandas as pd

df['time_diff'] = pd.NaT
df.loc[pd.notnull(df['time']), 'time_diff'] = df['processing_time'] - df['time']

这段代码与之前的类似，只是将 `isnull()` 改为了 `notnull()`，并在 `loc[]` 方法中进行了相应的修改。

希望这两个代码示例能够帮到你！