pandas 中的新列，其值取决于其他列

在使用 pandas 进行数据分析时，我们经常会遇到需要根据已有的列生成新的列的情况。这种情况下，新列的值往往取决于其他列的值。幸运的是，pandas 提供了很多灵活的方法来实现这一功能，使我们能够轻松地处理复杂的数据逻辑。

 python
import pandas as pd
# 创建学生信息数据集
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [18, 19, 20, 21],
        '成绩': [85, 92, 78, 65]}
df = pd.DataFrame(data)
# 定义根据成绩生成等级的函数
def get_grade(score):
    if score >= 90:
        return '优秀'
    elif score >= 80:
        return '良好'
    elif score >= 70:
        return '中等'
    else:
        return '不及格'
# 根据成绩生成等级列
df['等级'] = df['成绩'].apply(get_grade)
print(df)

 python
import pandas as pd
# 创建学生成绩数据集
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '语文': [85, 92, 78, 65],
        '数学': [90, 88, 72, 80],
        '英语': [95, 85, 76, 68]}
df = pd.DataFrame(data)
# 定义计算总分的函数
def calculate_total(row):
    return row['语文'] + row['数学'] + row['英语']
# 根据各科成绩计算总分列
df['总分'] = df.apply(calculate_total, axis=1)
print(df)

 python
import pandas as pd
# 创建用户购买记录数据集
data = {'用户ID': [1, 2, 3, 4, 5],
        '购买记录': ['AABB', 'AAB', 'AB', 'AA', 'A']}
df = pd.DataFrame(data)
# 计算购买次数
df['购买次数'] = df['购买记录'].apply(lambda x: len(x))
# 根据购买次数生成购买频率列
df['购买频率'] = df['购买次数'].apply(lambda x: '高频购买用户' if x >= 5 else '中频购买用户' if x >= 3 else '低频购买用户')
print(df)