将dataframe中的某一列中全部的’high‘替换成2，全部的’low‘替换成1

可以使用 `replace` 方法来实现这个需求。示例代码如下：

import pandas as pd

# 创建示例数据
data = {'score': ['high', 'low', 'high', 'high', 'low']}
df = pd.DataFrame(data)

# 使用 replace 方法替换值
df['score'] = df['score'].replace({'high': 2, 'low': 1})

print(df)

输出结果为：

   score
0      2
1      1
2      2
3      2
4      1

其中，`replace` 方法接受一个字典作为参数，字典中的键为需要替换的值，值为替换后的值。

相关问题

将dataframe中一列中的‘high’，‘median’，‘low’object型数据转换2,1,0int型数据

可以使用 pandas 中的 replace 方法将 'high' 替换为 2，'median' 替换为 1，'low' 替换为 0。

代码示例：

import pandas as pd

# 创建示例 dataframe
df = pd.DataFrame({'col1': ['high', 'median', 'low', 'high', 'low']})

# 使用 replace 方法进行替换
df['col1'] = df['col1'].replace({'high': 2, 'median': 1, 'low': 0})

# 输出结果
print(df)

输出结果：

   col1
0     2
1     1
2     0
3     2
4     0

这样，dataframe 中的 'high'，'median'，'low' 就被转换成了 int 型的 2，1，0。

csv文件怎么构造新的一列为High列减去low列

在CSV文件中，如果你想要计算"High"列和"Low"列之间的差值并创建一个新的列，可以使用Python的pandas库。首先，你需要加载CSV文件到一个DataFrame中，然后进行相应的数学运算。以下是步骤：

1. 导入pandas库：

   import pandas as pd

2. 加载CSV文件：

   data = pd.read_csv('your_file.csv')  # 替换'your_file.csv'为你实际的文件路径

3. 计算差值，并创建新的列（这里假设'Highest'列是'High'，'Lowest'列是'Low'）：

   data['Difference'] = data['Highest'] - data['Lowest']

4. 保存更改后的DataFrame回CSV文件：

   data.to_csv('new_file.csv', index=False)  # 新文件名，'index=False'表示不保存索引列

现在，CSV文件中会新增一个名为'Difference'的列，其中包含每个记录的"High"和"Low"之差。