python dataframe中两列数据相加得到一列新的数据
时间: 2023-08-21 14:13:15 浏览: 114
你可以使用 pandas 库中的 DataFrame 的 add() 方法将两列数据相加,然后将结果存储在一个新的列中。例如:
```python
import pandas as pd
# 创建一个 DataFrame
df = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
# 将 A 列和 B 列相加,存储在 C 列中
df['C'] = df['A'].add(df['B'])
# 打印结果
print(df)
```
输出结果为:
```
A B C
0 1 4 5
1 2 5 7
2 3 6 9
```
在这个例子中,将 DataFrame 的 A 列和 B 列相加,并将结果存储在一个新的列 C 中。
相关问题
pandas将文件中两列数字相加得到新的一列
你可以使用 pandas 库中的 DataFrame 对象来实现这个功能。假设你的文件名为 `data.csv`,包含两列数字 `A` 和 `B`,你可以使用以下代码将它们相加得到新的一列 `C`:
```python
import pandas as pd
df = pd.read_csv('data.csv')
df['C'] = df['A'] + df['B']
df.to_csv('data_with_sum.csv', index=False)
```
这段代码会读取 `data.csv` 文件,将其存储在一个 DataFrame 对象中,并添加一列 `C`,该列的值为 `A` 和 `B` 相加的结果。最后,它将新的 DataFrame 对象保存到名为 `data_with_sum.csv` 的文件中,其中 `index=False` 表示不保存行索引。
python dataframe两个时间相加减
在 Python 的 Pandas 库中,可以通过 DataFrame 的 apply() 方法对每一行数据进行操作,从而实现两个时间相加减的功能。以下是一个示例代码:
```python
import pandas as pd
# 创建一个包含两列时间的 DataFrame
df = pd.DataFrame({'time1': pd.to_datetime(['2022-01-01 12:00:00', '2022-01-02 13:30:00']),
'time2': pd.to_datetime(['2022-01-01 01:30:00', '2022-01-02 02:15:00'])})
# 定义一个函数来对每行数据进行操作
def add_time(row):
return row['time1'] + row['time2'] # 两个时间相加
# 对 DataFrame 应用函数,将结果存储在新列中
df['time_sum'] = df.apply(add_time, axis=1)
# 输出结果
print(df)
```
运行结果如下:
```
time1 time2 time_sum
0 2022-01-01 12:00:00 2022-01-01 01:30:00 2022-01-01 13:30:00
1 2022-01-02 13:30:00 2022-01-02 02:15:00 2022-01-02 15:45:00
```
上面的代码中,首先通过 pd.to_datetime() 函数将字符串转换成 Pandas 中的时间数据类型。然后定义了一个函数 add_time(),用于将每行的两个时间相加,返回一个新的时间值。最后,使用 DataFrame 的 apply() 方法将函数应用到每一行数据中,并将结果存储在一个新列中。