dataframe里有两行，计算每行‘a’列的值除以每行‘b’列的值得到每行'c'列的值

好的，关于你提到的问题，可以使用如下代码实现：

import pandas as pd

df = pd.DataFrame({'a':[10,20],'b':[5,10]})

df['c'] = df['a']/df['b']

以上代码中，我们使用 pandas 库的 DataFrame 对象创建了一个具有两行和两列的数据，然后根据每行 a 列的值除以每行 b 列的值得到了每行 c 列的值。

希望这可以帮助你解决你的问题。如果你还有其他问题，请随时提出。

相关问题

用dataframe里j行‘a’列的值除以‘b’列的值得到'c'列的值

可以用以下代码实现：

df['c'] = df['a'] / df['b']

其中，`df`是你的DataFrame对象，`a`、`b`、`c`均为列名。`df['a']`表示获取DataFrame对象`df`中的列`a`，`df['b']`表示获取列`b`，`df['c']`表示新增一列`c`，然后将`a`列的值除以`b`列的值得到的结果赋值给`c`列。

dataframe 计算每行最大值

要计算DataFrame每行的最大值，您可以使用`pandas`库中的`max()`函数，并设置`axis`参数为1来指定按行计算。

下面是一个示例代码，演示如何计算DataFrame每行的最大值：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9]})

# 计算每行的最大值
max_values = df.max(axis=1)

print(max_values)

输出结果为：

0    4
1    5
2    6
dtype: int64

在上述示例中，通过`max()`函数和`axis=1`参数，计算了每行的最大值，并将结果存储在`max_values`变量中。

注意，`max()`函数返回的是一个Series对象，其中每个元素是对应行的最大值。如果您希望将结果作为新的一列添加到原始DataFrame中，可以使用`df['max'] = max_values`语句。