pandas如何增加根据另一列信息确定值的新一列

### 回答1：
你可以使用 `apply` 函数（或者 `applymap` 函数）来实现这个功能。下面是一个例子：

假设你有一个数据框 df，其中包含两列：'age' 和 'gender'。你想要添加一个新列 'age_group'，根据 'age' 列的值确定。

import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({'age': [25, 30, 35, 40, 45], 'gender': ['M', 'F', 'M', 'F', 'F']})

# 定义一个函数来确定年龄组
def get_age_group(age):
    if age < 30:
        return 'Young'
    elif age < 40:
        return 'Middle-aged'
    else:
        return 'Old'

# 使用 apply 函数将 get_age_group 应用到 'age' 列上
df['age_group'] = df['age'].apply(get_age_group)

这样，你就可以得到一个新的数据框，其中包含 'age_group' 列，其值根据 'age' 列的值确定。

### 回答2：
在pandas中，我们可以使用`apply`方法来增加根据另一列信息确定值的新一列。

首先，我们需要定义一个函数，用于根据另一列信息计算新列的值。然后，使用`apply`方法将此函数应用于指定的列或多个列，并将结果存储为新的一列。

下面是一个简单的示例，假设我们有一个包含学生信息的DataFrame，包括“姓名”和“年龄”两列。我们想要增加一列“是否成年”，根据“年龄”确定值。

import pandas as pd

# 创建包含学生信息的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [18, 22, 17, 19]}
df = pd.DataFrame(data)

# 定义一个函数，根据年龄确定是否成年
def check_adult(age):
    if age >= 18:
        return '是'
    else:
        return '否'

# 使用apply方法增加新列
df['是否成年'] = df['年龄'].apply(check_adult)

print(df)

输出结果如下：

  姓名  年龄 是否成年
0  张三  18    是
1  李四  22    是
2  王五  17    否
3  赵六  19    是

在上述示例中，我们使用`apply`方法将`check_adult`函数应用于“年龄”列，并将结果存储为新的一列“是否成年”。

### 回答3：
在pandas中，可以通过使用条件语句和apply函数来增加根据另一列信息确定值的新一列。

首先，我们需要定义一个函数，该函数可以根据要求来确定新一列的值。然后，使用apply函数将该函数应用到目标列上，生成新的一列。

例如，假设我们有一个数据表df，其中包含学生的成绩和年龄两列。我们想要增加一列，根据学生的年龄来确定是否为成年人。

首先，我们定义一个函数is_adult，该函数接受一个年龄值作为参数，并返回一个布尔值，表示是否为成年人。

def is_adult(age):
    if age >= 18:
        return True
    else:
        return False

然后，我们使用apply函数将该函数应用到年龄列上，生成新的一列"是否成年"。

df['是否成年'] = df['年龄'].apply(is_adult)

最终，我们可以通过访问新的一列来获取每个学生是否为成年人的信息。

注意，上述示例中的函数is_adult只是一个简单的示例，可以根据具体需求定义不同的函数来确定新一列的值。同样，apply函数也可以应用于更复杂的逻辑来增加新的一列。