在处理数据时，经常需要对数据进行统计分析，例如求和、平均值等。Pandas是一款功能强大的数据处理工具，提供了多种方法来实现这些操作。本文介绍了Pandas中增加列求和和平均值的多种写法，以帮助读者更好地理解和使用这些功能。
增加列求和
方法一：使用sum()函数
可以使用sum()函数来对指定的列进行求和，例如：
df['new_column'] = df['column1'] + df['column2']
上述代码将会将column1和column2两列的元素相加，将结果保存在新的列new_column中。
方法二：使用apply()函数
apply()函数可以接受自定义的函数，并对指定的列应用该函数。可以定义一个函数来对列进行求和，然后使用apply()函数来应用这个函数。例如：
def sum_columns(row):
return row['column1'] + row['column2']
df['new_column'] = df.apply(sum_columns, axis=1)
上述代码中，sum_columns函数将会对每一行的column1和column2进行求和，并返回结果。然后，使用apply()函数将该函数应用到整个DataFrame的每一行，将结果保存在新的列new_column中。
求平均值
方法一：使用mean()函数
可以使用mean()函数来对指定的列求平均值，例如：
average = df['column'].mean()
上述代码将会计算column列的平均值，并将结果保存在average变量中。
方法二：使用apply()函数
可以定义一个函数来对列进行求平均值，然后使用apply()函数来应用这个函数。例如：
def average_column(row):
return (row['column1'] + row['column2']) / 2
df['new_column'] = df.apply(average_column, axis=1)
上述代码中，average_column函数将会对每一行的column1和column2求平均值，并返回结果。然后，使用apply()函数将该函数应用到整个DataFrame的每一行，将结果保存在新的列new_column中。
总结
本文介绍了Pandas中增加列求和和平均值的多种写法。使用sum()函数和mean()函数可以快速实现这些功能，而使用apply()函数可以更加灵活地定义自定义函数来处理特定的需求。通过掌握这些方法，可以更加高效地进行数据处理和分析。
希望本文对您的学习和使用有所帮助，谢谢阅读！
评论 (0)