dataframe根据条件生成新一列

可以使用 Pandas 库中的 DataFrame 的 loc 方法和条件语句来生成新一列，例如：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 根据条件生成新一列
df.loc[df['A'] > 1, 'C'] = 'greater than 1'

# 显示 DataFrame
print(df)

输出如下：

   A  B               C
0  1  4             NaN
1  2  5  greater than 1
2  3  6  greater than 1

相关问题

python中DataFrame计算生成新一列

可以回答这个问题。在Python中，可以使用DataFrame的apply函数来对每一行进行计算，并生成新的一列。例如，可以使用以下代码来计算两列的和，并生成新的一列：

import pandas as pd

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

输出结果为：

   A  B  C
0  1  4  5
1  2  5  7
2  3  6  9

dataframe 根据值生成多行

Dataframe可以根据值生成多行的方法有很多，以下是一种常见的方法：

首先，我们需要创建一个空的Dataframe对象，并定义好其列名和数据类型。可以使用如下代码创建一个空的Dataframe对象：

import pandas as pd

df = pd.DataFrame(columns=['列1', '列2'], dtype=int)

接下来，我们可以使用append()方法来向Dataframe中添加行数据。该方法可以接收一个字典作为参数，字典中的键对应列名，值对应相应的数据。

例如，我们希望将值为1和2的行数据添加到Dataframe中，可以使用如下代码：

df = df.append({'列1': 1, '列2': 2}, ignore_index=True)
df = df.append({'列1': 1, '列2': 2}, ignore_index=True)

上述代码中，ignore_index参数设置为True，则会根据添加的行数据自动分配行索引。

如果我们需要往Dataframe中添加多行数据，可以通过循环来实现，例如：

for i in range(5):
df = df.append({'列1': i+1, '列2': i+2}, ignore_index=True)

上述代码将实现在Dataframe中添加5行数据，其中'列1'的值为1-5，'列2'的值为2-6。

通过上述的方法，可以根据值生成多行，实现灵活的数据处理和操作。在实际应用中，我们可以根据具体的需求和数据特点灵活运用Dataframe的数据处理函数和方法，实现多行数据的生成和操作。