🔥Как сложить два столбца в pandas: простой гайд для начинающих!🔥

Чтобы сложить два столбца в Pandas, используйте операцию сложения. Вот пример:

import pandas as pd

# Создайте DataFrame
df = pd.DataFrame({'Столбец1': [1, 2, 3],
                   'Столбец2': [4, 5, 6]})

# Сложите два столбца и создайте новый столбец
df['Сложение'] = df['Столбец1'] + df['Столбец2']

df.head()

Вышеуказанный код создает DataFrame с двумя столбцами, 'Столбец1' и 'Столбец2'. Затем используется операция сложения, чтобы сложить значения этих двух столбцов и сохранить результат в новом столбце 'Сложение'.

Как сложить два столбца в Pandas?

Если вы работаете с библиотекой Pandas в Python и хотите сложить значения из двух столбцов в один новый столбец, у вас есть несколько вариантов. Здесь мы рассмотрим несколько способов, которые помогут вам достичь этой цели.

1. Использование оператора сложения (+)

Один из самых простых способов сложить два столбца - использовать оператор сложения (+) в Pandas. Предположим, у нас есть DataFrame с двумя столбцами 'столбец1' и 'столбец2', и мы хотим создать новый столбец, содержащий результат сложения значений из этих двух столбцов:

import pandas as pd

# Создание DataFrame
data = {'столбец1': [1, 2, 3],
        'столбец2': [4, 5, 6]}
df = pd.DataFrame(data)

# Сложение двух столбцов
df['новый_столбец'] = df['столбец1'] + df['столбец2']

В этом примере мы создаем новый столбец 'новый_столбец', который содержит результат сложения столбца 'столбец1' и столбца 'столбец2' с помощью оператора сложения (+). Теперь новый столбец будет содержать значения [5, 7, 9].

2. Использование функции pandas.add()

Pandas также предоставляет функцию pandas.add() для сложения столбцов. Эта функция может быть полезна, если у вас есть более сложные требования или если вы хотите применить дополнительные операции к столбцам перед сложением. Вот пример использования функции pandas.add():

import pandas as pd

# Создание DataFrame
data = {'столбец1': [1, 2, 3],
        'столбец2': [4, 5, 6]}
df = pd.DataFrame(data)

# Сложение двух столбцов с использованием функции pandas.add()
df['новый_столбец'] = pd.add(df['столбец1'], df['столбец2'])

В этом примере мы создаем новый столбец 'новый_столбец', который содержит результат сложения столбца 'столбец1' и столбца 'столбец2' с использованием функции pandas.add(). Результат будет таким же, как и в предыдущем примере.

3. Использование метода DataFrame.add()

Метод DataFrame.add() является еще одним вариантом для сложения столбцов в Pandas. Этот метод позволяет настроить различные параметры, такие как заполнение отсутствующих значений и выбор альтернативного поведения при сложении строк с разными индексами. Вот пример использования метода DataFrame.add():

import pandas as pd

# Создание DataFrame
data = {'столбец1': [1, 2, 3],
        'столбец2': [4, 5, 6]}
df = pd.DataFrame(data)

# Сложение двух столбцов с использованием метода DataFrame.add()
df['новый_столбец'] = df['столбец1'].add(df['столбец2'])

В этом примере мы создаем новый столбец 'новый_столбец', который содержит результат сложения столбца 'столбец1' и столбца 'столбец2' с использованием метода DataFrame.add(). Результат будет тот же, что и в предыдущих примерах.

4. Использование функции numpy.add()

Если ваши столбцы представляют собой массивы NumPy, вы также можете использовать функцию numpy.add() для их сложения. Вот пример:

import pandas as pd
import numpy as np

# Создание DataFrame
data = {'столбец1': np.array([1, 2, 3]),
        'столбец2': np.array([4, 5, 6])}
df = pd.DataFrame(data)

# Сложение двух столбцов с использованием функции numpy.add()
df['новый_столбец'] = np.add(df['столбец1'], df['столбец2'])

В этом примере мы используем функцию numpy.add() для сложения столбца 'столбец1' и столбца 'столбец2', представленных в виде массивов NumPy. Результат будет состоять из значений [5, 7, 9], как и в предыдущих примерах.

Независимо от выбранного способа, вы можете легко сложить два столбца в Pandas и создать новый столбец, содержащий результат. Используйте кодовые примеры, предоставленные выше, чтобы разобраться в деталях каждого метода и выбрать тот, который лучше всего подходит для вашей конкретной ситуации.