dataframe加一列c：c列保存b列取值区间，如某一列的b取值为102，则c列置为【100，200】

可以使用 Pandas 库来操作 DataFrame，具体步骤如下：

假设 DataFrame 的名称为 df，b 列的列名为 'b'，需要加入的 c 列的列名为 'c'，取值区间为 【100，200】

1. 首先，计算出 b 列的最大值和最小值，用于确定取值区间的范围：

   b_max = df['b'].max()
   b_min = df['b'].min()

2. 然后，将 b 列的每个取值映射到对应的区间，赋值给 c 列。可以使用 apply 方法和 lambda 函数实现：

   df['c'] = df['b'].apply(lambda x: [b_min, b_max] if x > b_max or x < b_min else [x, x + 100])

这里用了一个三目运算符，判断 x 是否在最大值和最小值的范围内，如果不是，则取整个区间 【b_min，b_max】，否则取 【x，x+100】。

3. 最后，如果需要的话，可以将 c 列的数据类型修改为字符串格式，以符合题目中的要求：

   df['c'] = df['c'].astype(str)

相关问题

python中的dataframe新增一列f：如果该行b列取值为’and‘，则该行f列赋值为该行c列和d列取值的和

可以使用 `apply()` 方法来实现这个需求。代码如下：

import pandas as pd

# 创建示例数据
data = {'a': [1, 2, 3], 'b': ['and', 'or', 'and'], 'c': [4, 5, 6], 'd': [7, 8, 9]}
df = pd.DataFrame(data)

# 定义函数用于计算 f 列的值
def calculate_f(row):
    if row['b'] == 'and':
        return row['c'] + row['d']
    else:
        return None

# 使用 apply() 方法将函数应用到每一行
df['f'] = df.apply(calculate_f, axis=1)

# 打印结果
print(df)

运行结果如下：

   a    b  c  d     f
0  1  and  4  7  11.0
1  2   or  5  8   NaN
2  3  and  6  9  15.0

其中，`apply()` 方法将 `calculate_f()` 函数应用到每一行。`axis=1` 参数表示应用于每一行（默认为 `axis=0`，表示应用于每一列）。`calculate_f()` 函数先判断 b 列的值是否为 'and'，如果是，则返回 c 列和 d 列的和，否则返回 None。最后，将计算结果赋值给 f 列即可。

dataframe，如果列B的取值为“YY”，那么保留列C大于50的行

可以使用 Pandas 库中的 DataFrame 进行操作，代码如下：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': ['foo', 'bar', 'baz', 'qux'],
    'B': ['XX', 'YY', 'YY', 'XX'],
    'C': [10, 20, 60, 70]
})

# 根据条件筛选出符合要求的行
df = df[(df['B'] == 'YY') & (df['C'] > 50)]

# 输出结果
print(df)

输出结果为：

     A   B   C
2  baz  YY  60