pandas 在第9列新增一列等于第7列

如果你想在 Pandas DataFrame 中的第9列新增一列，该列等于第7列的值，可以使用以下代码：

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 在第9列新增一列
df.insert(2, 'D', df['A'])

print(df)

这里使用了 `df.insert()` 函数，在第2列（也就是第9列）插入了新列 'D'，该列的值等于第7列 'A' 的值。输出结果如下：

   A  B  D  C
0  1  4  1  7
1  2  5  2  8
2  3  6  3  9

注意，这里的列索引是从 0 开始的。如果你的 DataFrame 中列的顺序不同，需要适当调整 `df.insert()` 函数中的参数。

相关问题

pandas 在第9列新增一列等于第7列减去第8列，保留两位小数 TypeError: unsupported operand type(s) for -: 'int' and 'str'

这个错误通常是因为 DataFrame 中的某些列被解释为了字符串类型，而你尝试对它们进行数学运算。请确保 DataFrame 中涉及到的列的数据类型都是数字类型。

如果你的 DataFrame 中涉及到了字符串类型的数据，可以使用 Pandas 的 `astype()` 函数将其转换为数字类型。例如，如果你的 DataFrame 名称为 `df`，第7列是字符串类型，第8列是数字类型，你可以使用以下代码将第7列转换为浮点数类型：

df['第7列名称'] = df['第7列名称'].astype(float)

然后你就可以在第9列新增一列，该列等于第7列减去第8列，并保留两位小数：

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': ['7', '8', '9']}
df = pd.DataFrame(data)

# 将第7列转换为浮点数类型
df['C'] = df['C'].astype(float)

# 在第9列新增一列
df.insert(2, 'D', round(df['A'] - df['B'], 2))

print(df)

这里使用了 Pandas 的 `astype()` 函数将第7列 'C' 转换为浮点数类型，并使用 `round()` 函数保留两位小数。输出结果如下：

   A  B      D    C
0  1  4 -3.000  7.0
1  2  5 -3.000  8.0
2  3  6 -3.000  9.0

注意，这里使用的是 `round()` 函数而不是 Pandas 的 `round()` 方法，因为 Pandas 的 `round()` 方法不支持保留小数位数。

pandas 按照两个条件判断新增一列

你可以使用 `loc` 方法和布尔索引来实现按照两个条件判断新增一列，例如：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, 7, 8],
                   'C': [9, 10, 11, 12]})

# 按照两个条件判断新增一列
df.loc[(df['A'] > 2) & (df['B'] < 8), 'D'] = 'yes'

# 显示 DataFrame
print(df)

输出结果为：

   A  B   C    D
0  1  5   9  NaN
1  2  6  10  NaN
2  3  7  11  yes
3  4  8  12  NaN

在这个示例中，我们使用 `loc` 方法和布尔索引来选出符合条件的行，并在这些行上新增一列 `D`。其中，第一个条件是 `df['A'] > 2`，表示列 `A` 中的元素大于 2；第二个条件是 `df['B'] < 8`，表示列 `B` 中的元素小于 8。两个条件通过 `&` 运算符连接在一起，表示两个条件都要满足。在选出符合条件的行后，我们将这些行中的列 `D` 的值设置为 `'yes'`。