pandas 按照两个条件判断新增一列

你可以使用 `loc` 方法和布尔索引来实现按照两个条件判断新增一列，例如：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, 7, 8],
                   'C': [9, 10, 11, 12]})

# 按照两个条件判断新增一列
df.loc[(df['A'] > 2) & (df['B'] < 8), 'D'] = 'yes'

# 显示 DataFrame
print(df)

输出结果为：

   A  B   C    D
0  1  5   9  NaN
1  2  6  10  NaN
2  3  7  11  yes
3  4  8  12  NaN

在这个示例中，我们使用 `loc` 方法和布尔索引来选出符合条件的行，并在这些行上新增一列 `D`。其中，第一个条件是 `df['A'] > 2`，表示列 `A` 中的元素大于 2；第二个条件是 `df['B'] < 8`，表示列 `B` 中的元素小于 8。两个条件通过 `&` 运算符连接在一起，表示两个条件都要满足。在选出符合条件的行后，我们将这些行中的列 `D` 的值设置为 `'yes'`。

相关问题

pandas 按照两个条件判断新增一列，两个条件是或者的关系

你可以使用 pandas 的 apply 函数结合 lambda 表达式来实现按照两个条件判断新增一列，两个条件是或者的关系。具体实现步骤如下：

1. 定义一个 lambda 函数，该函数接受每一行数据作为输入，根据两个条件判断是否新增一列，并返回新增列的值。

2. 使用 apply 函数将该 lambda 函数应用到 DataFrame 的每一行数据上，得到新增列的值。

3. 将新增列的值赋值给 DataFrame 中新增的列即可。

示例代码如下：

import pandas as pd

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

# 定义 lambda 函数
condition_1 = True
condition_2 = False
df['new_col'] = df.apply(lambda row: 'Yes' if (row['A'] == 1 or row['B'] == 7) else 'No', axis=1)

# 输出结果
print(df)

在上面的示例代码中，我们定义了两个条件：A 列等于 1 或者 B 列等于 7。然后使用 apply 函数将 lambda 函数应用到 DataFrame 的每一行数据上，得到新增列的值，并将新增列赋值给 DataFrame 中新增的列 new_col。最后输出 DataFrame 的结果。

pandas，df.concat 新增一列，放到最开始

可以使用 `insert()` 方法将新列插入 DataFrame 的任意位置，例如：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})

# 合并两个 DataFrame
df = pd.concat([df1, df2], axis=1)

# 新增一列放到最开始
df.insert(0, 'new_col', [13, 14, 15])

print(df)

输出结果为：

   new_col  A  B  C   D
0       13  1  4  7  10
1       14  2  5  8  11
2       15  3  6  9  12