现存在df1，存在A列记录客户，B列记录供应商，现新建C列判断，若A列存在"信达"字符串，则C写入内部销售，若B列存在"信达"字符串，则C写入内部采购，否则为空白

在Pandas DataFrame中，你可以通过条件过滤和赋值操作来完成这样的任务。这里是一个简单的示例：

import pandas as pd

# 假设df1是一个DataFrame，已包含'A'和'B'两列
df1 = pd.DataFrame({
    'A': ['客户1', '信达', '客户3', '其他'],  # 示例A列
    'B': ['供应商1', '信达集团', '供应商3', '信达物流']  # 示例B列
})

# 新建C列，并使用np.where函数进行条件判断
df1['C'] = np.where(df1['A'].str.contains('信达'), '内部销售', '')  
df1['C'] = df1['C'].fillna(np.where(df1['B'].str.contains('信达'), '内部采购', ''))

# 结果：
# C列将会包含对应的标签：'内部销售', '内部采购' 或者空值 ''

这个例子中，`str.contains()`函数用于查找字符串中是否包含特定的子串，`np.where`则根据条件返回不同的值。

相关问题

现存在df1和df2，df1拥有A列，A列内值为不重复的字符串，新建df1的B列，内容为，df2中C列于A列的字符串相等的D列数字之和。举例df1A列内有'吃饭'、'睡觉'、'打游戏'，df1B列的数值则为，df2C列"吃饭"对应的D列数值之和、df2C列"睡觉"对应的D列数值之和、df2C列"打游戏"对应的D列数值之和。

您可以使用`merge`和`groupby`函数来实现这个需求。首先，您需要将df1和df2根据'A'列和'C'列进行合并，然后使用`groupby`函数对合并后的数据按照'A'列进行分组，并计算'D'列的和。最后，将计算结果赋值给df1的'B'列即可。

下面是一个示例代码：

# 合并df1和df2
merged_df = df1.merge(df2, left_on='A', right_on='C', how='left')

# 按照'A'列分组并计算'D'列的和
result_df = merged_df.groupby('A')['D'].sum().reset_index()

# 将计算结果赋值给df1的'B'列
df1['B'] = result_df['D']

请确保df1和df2的列名与代码中的列名一致，以及数据类型正确。

df1有三列分别为A,B,C,D列，D列值是通过A列B列C列的字符串拼接在一起得到的,D列的值为A列-B列.C列,如果其中有一列不存在值，在拼接的时候不变成Nan,给出代码

假设你的DataFrame `df1` 的结构如下：

| A | B | C | D |
|--|---|---|
| ... | ... | ... | ... |

若想在 `D` 列计算 `A`、`B` 和 `C` 三列的组合，同时处理缺失值，可以使用 `pd.DataFrame.apply()` 函数结合 `lambda` 函数以及 Python 的字符串连接特性。这里我们使用 `try-except` 结构来处理可能出现的 `NaN` 或缺失值的情况：

import pandas as pd

def concatenate_columns(row):
    try:
        result = str(row['A']) + row['B'] if not pd.isna(row['B']) else row['A']
        result += row['C'] if not pd.isna(row['C']) else ''
        return result
    except TypeError:
        return None  # 如果遇到非字符串类型的值，返回 None 或者其他合适的默认值

df1['D'] = df1[['A', 'B', 'C']].apply(lambda x: concatenate_columns(x) if isinstance(x, dict) else concatenate_columns(df1.loc[x.name]), axis=1)

这段代码首先定义了一个名为 `concatenate_columns` 的函数，尝试拼接三列并处理缺失值。然后，`apply()` 函数遍历每行数据（如果索引为字典，则直接使用，否则使用行名），并将结果赋给 `D` 列。