dataframe 中利用两列数相加

可以使用 Pandas 库中的 DataFrame 对象的 "add" 方法来实现将两列数相加。

语法为：

df['new_column_name'] = df['column_1'] + df['column_2']

其中，'new_column_name' 是新增加的列的名称，'column_1' 和 'column_2' 是要相加的两列的名称。

例如：

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df['C'] = df['A'] + df['B']

这样，就在 DataFrame 中新增了一列 'C'，其中的值为 'A' 列和 'B' 列的值的和。

如果想要在某个列上进行运算，那么也可以这么做：

df['A']=df['A']+df['B']

相关问题

pandas增加新列并且用原有的两列做计算后的值作为填充

在Pandas库中，你可以通过创建一个新的DataFrame列并利用已有的列数据进行计算来添加新的列。假设你有一个名为df的DataFrame，你想基于两列A和B进行某种运算（例如相加、相乘等），你可以这样做：

# 假设列A和列B的名称分别为'A'和'B'
new_column_name = 'NewColumn' # 新列的名称

# 计算操作，这里举例是将A和B相加
df[new_column_name] = df['A'] + df['B']

# 或者如果是其他运算，比如相乘
# df[new_column_name] = df['A'] * df['B']

# 现在df中已经包含了新的列NewColumn，它的值就是A和B对应位置的元素经过运算后的结果

如果你想在特定条件下计算新值，可以使用条件表达式：

df[new_column_name] = df.apply(lambda row: row['A'] + row['B'] if condition(row) else some_default_value, axis=1)

这里的`condition(row)`是你自定义的判断条件，`some_default_value`是在条件不满足时给新列赋的默认值。