python-DataFrame根据已有列计算其他列

读取数据源

import pandas as pd
# 读取数据
path1 = r'../excelFile-j/flower.csv'
df_data = pd.read_csv(path1)
# df_data 内容

1、根据已有列新增列

方式一：根据单列

df_data["LengthAdd"] = df_data["Sepal.Length"] + 2

方式二：根据多列

df_data["L*W"] = df_data["Sepal.Length"] * df_data["Sepal.Width"]

方式三：利用apply函数（单列）

def sqrt_test(a):
    s = a * a + 1
    return s

df_data['W*W+1'] = df_data['Sepal.Width'].apply(lambda x : sqrt_test(x))

方法四：利用apply函数（多列）

数据如下图所示，目的是要统计：
red_number的号码也在red_ticket_number中的有几个；blue_number的号码也在blue_ticket_number中的有几个。新增列red_appear_counts和blue_appear_counts来记录。

思路：先把这四列的字符串，利用split转换成列表，然后利用列表中的 in 操作符来判断。遍历red_number，如果在red_ticket_number就加1，最后返回结果（blue类似）。
重点：要按行应用，使用apply时涉及两个变量。

# 求列表col1的元素有几个也在列表col2中
def appear_counts(col1, col2):
    choose_list = col1.split(' ')
    search_list = col2.split(' ')
    num = 0 # 用来记出现的次数
    for ch in choose_list:
        if ch in search_list:
            num+=1
    return num

# 实现传入两列（两个变量）
def appear_counts_red(df):
    x = df['red_number']
    y = df['red_ticket_number']
    return appear_counts(x, y)

def appear_counts_blue(df):
    x = df['blue_number']
    y = df['blue_ticket_number']
    return appear_counts(x, y)

# 分别计算红蓝球出现在购买号码里的次数
# 使用apply()，按行应用
data['red_appear_counts'] = data.apply(appear_counts_red, axis=1)
data['blue_appear_counts'] = data.apply(appear_counts_blue, axis=1)

结果：

2、根据已有列修改其他列

目的：将Species列等于’setosa’并且 L*W列大于10的，修改 L*W>10列的值为’yes’。
1）先看下筛选行的方法：

# 单条件筛选
df_data[df_data['Species']=='setosa']
# 多条件筛选
df_data[(df_data['Species']=='setosa') & (df_data['L*W']>10)]

2）基于上面的知识，实现，将Species列等于’setosa’并且 L*W列大于10的，修改 L*W>10列的值：

# 先新增一个名为 L*W>10的列，初始值为空字符串
df_data['L*W>10']=''
# (单条件）Species列等于'setosa'，修改 L*W>10列 为'yes'
df_data.loc[df_data['Species']=='setosa','L*W>10'] = 'yes'
# （多个条件）筛选Species列等于'setosa'并且 L*W列大于17的，修改其对应的 L*W>10列的值
# 没有完全按照最初的条件写，这里就随便举个例子，示意一下
df_data.loc[(df_data['Species']=='setosa') & (df_data['L*W']>17),'L*W>10'] = '>17'
# df_data结果