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 按照两个条件判断新增一列，两个条件是或者的关系 使用 loc 方法

好的，根据您的要求，我可以告诉您如下的代码实现：

假设您要新增一列名为 `new_col`，并且要按照两个条件判断，这两个条件是或者的关系，可以使用 `loc` 方法实现，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': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)

# 使用 loc 方法新增一列 new_col
df.loc[(df['A'] > 2) | (df['C'] == 'e'), 'new_col'] = True

# 展示结果
print(df)

解释如下：

- 使用 `loc` 方法定位到要新增的行和列，第一个参数是行索引，第二个参数是列索引；
- 行索引使用了两个条件判断，条件之间使用了 `|`，表示或者的关系；
- 列索引直接指定为 `new_col`，表示新增一列；
- 最后将新增的结果赋值为 `True`。

执行上述代码后，您应该会看到如下的输出：

   A   B  C  new_col
0  1   6  a      NaN
1  2   7  b      NaN
2  3   8  c     True
3  4   9  d     True
4  5  10  e     True

其中，第 3、4、5 行中的 `new_col` 列都被赋值为了 `True`。