通过添加其他列的值,在Panda数据框中创建新列

我有一个数据框,其值如

A B
1 4
2 6
3 9

我需要通过添加A列和B列的值来添加新列,例如

A B C
1 4 5
2 6 8
3 9 12

我相信这可以使用lambda函数完成,但我无法弄清楚如何做到这一点.

1> DeepSpace..：

---

非常简单:

df['C'] = df['A'] + df['B']

---

我收到以下警告:尝试在DataFrame的切片副本上设置值.尝试使用.loc [row_indexer,col_indexer] = value

2> 小智..：

---

最简单的方法是使用DeepSpace答案.但是,如果您真的想使用匿名函数,可以使用apply:

df['C'] = df.apply(lambda row: row['A'] + row['B'], axis=1)

3> Anton Protop..：

---

您可以使用sum函数来实现,如注释中提到的@EdChum:

df['C'] =  df[['A', 'B']].sum(axis=1)

In [245]: df
Out[245]: 
   A  B   C
0  1  4   5
1  2  6   8
2  3  9  12

4> sparrow..：

---

在Anton的答案上建立更多内容,您可以添加如下所有列:

df['sum'] = df[list(df.columns)].sum(axis=1)

---

您可以删除`list（df.columns）`，因为这里多余。因此，最终代码应类似于`df ['sum'] = df.sum（axis = 1）`

5> steveb..：

---

从Pandas版本0.16.0开始,您可以使用assign如下:

df = pd.DataFrame({"A": [1,2,3], "B": [4,6,9]})
df.assign(C = df.A + df.B)

# Out[383]: 
#    A  B   C
# 0  1  4   5
# 1  2  6   8
# 2  3  9  12

您可以通过以下方式添加多个列:

df.assign(C = df.A + df.B,
          Diff = df.B - df.A,
          Mult = df.A * df.B)
# Out[379]: 
#    A  B   C  Diff  Mult
# 0  1  4   5     3     4
# 1  2  6   8     4    12
# 2  3  9  12     6    27

6> Manuel Marti..：

---

您可以这样做：

df['C'] = df.sum(axis=1)

如果只想做数值：

df['C'] = df.sum(axis=1, numeric_only=True)