在数据框中根据其他列的值创建新列可以使用以下方法:
df['C'] = np.where(df['A'] > 0, 'Positive', 'Negative')
上述代码中,np.where()函数根据条件判断A列的值是否大于0,如果大于0,则新列C的值为'Positive',否则为'Negative'。
def create_new_column(row):
if row['A'] > 0:
return 'Positive'
else:
return 'Negative'
df['C'] = df.apply(create_new_column, axis=1)
上述代码中,create_new_column()函数根据条件判断A列的值是否大于0,如果大于0,则返回'Positive',否则返回'Negative'。然后,通过apply()函数将该函数应用到数据框的每一行上,axis=1表示按行应用。
df['C'] = df['A'].apply(lambda x: 'Positive' if x > 0 else 'Negative')
上述代码中,lambda函数根据条件判断A列的值是否大于0,如果大于0,则返回'Positive',否则返回'Negative'。
以上是根据其他列的值在数据框中创建新列的几种常见方法。根据具体的需求和数据框的结构,可以选择适合的方法来实现。
DBTalk
DB TALK 技术分享会
云原生正发声
云+社区技术沙龙[第9期]
Elastic 实战工作坊
Elastic 实战工作坊
北极星训练营
云+社区开发者大会 长沙站
云+社区技术沙龙[第27期]
数字化产业研学会第一期
领取专属 10元无门槛券
手把手带您无忧上云