1. 直接赋值

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')
print(order.head())
# 1.直接赋值新增列：
order['平均价']=order['销售额']/order['数量']
print(order.head())

在这里插入图片描述

2.apply()方法

2.1 函数功能

沿着DataFrame的某个轴应用一个函数。返回值为Series或者Data Frame

2.2 函数语法

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)

2.3 函数参数

参数	含义
func	要对每列或每行运用的函数
axis	函数作用轴，默认为0，取值为0或字符串’index’，1或字符串’columns’
raw	行，列是否作为Series对象传入函数中，默认为False:作为Series对象传入函数，取值为True时：使用ndarray对象传入函数
result_type	只有axis=1时，参数才发挥作用，默认取值为None：由函数产生的值决定
args	Series和array之外，其他传入函数中的位置参数
**kwargs	其他传入函数中的关键字参数

order['销售额开方']=order['销售额'].apply(np.sqrt,axis=1)
print(order.head())

在这里插入图片描述

3. assign()方法

3.1 函数功能

可以同时生成多个新列，返回的是一个包含原DataFrame和新列的新DataFrame

3.2 函数语法

DataFrame.assign(**kwargs)

3.3 函数参数

参数	含义
**kwargs	新列计算字典

assign()方法并没有改变原来的DataFrame，而是生成了新的，需要将操作后的数据重新赋值给DataFrame

order=order.assign(数量2=order['数量']*10)
print(order.head())

在这里插入图片描述
同时新增多列

order=order.assign(数量22=order['数量']*2,数量33=order['数量']*3)
print(order.head())

在这里插入图片描述

4. 按照条件选择分组分别赋值

order['客户级别']=np.nan
print(order.head())
order.loc[order['销售额']>=order['销售额'].mean(),'客户级别']='大客户'
order.loc[order['销售额']<order['销售额'].mean(),'客户级别']='小客户'
print(order.head())