PythonDataFrame新增列：数据类型判断及赋值技巧

本文讲解如何利用Python高效地为Pandas DataFrame添加新列，并根据现有列的数据类型进行赋值。 以判断两列数据是否均为整数类型为例，文章详细介绍了如何结合`apply()`方法和`lambda`函数，逐行检查数据类型并根据结果（整数则赋值“OK”，否则赋值“NO”）新增名为“判断”的新列。此方法避免了直接使用`isinstance()`函数于Series对象导致的错误，并能轻松扩展至更复杂的逻辑判断和数据处理场景，适用于数据分析和数据清洗等任务。

Python DataFrame新增列：基于数据类型进行赋值

本文介绍如何根据DataFrame中列的数据类型，为DataFrame添加新列。 假设有两个列“A列”和“B列”，我们需要判断每一行的对应数据是否均为整数类型（int）。如果是，则在新列中赋值为“OK”，否则赋值为“NO”。

直接使用isinstance()函数于Series对象会失败。正确的做法是使用apply()方法结合lambda函数：

df['判断'] = df.apply(lambda x: 'OK' if isinstance(x['A列'], int) and isinstance(x['B列'], int) else 'NO', axis=1)

apply()方法逐行处理DataFrame，lambda函数则对每一行进行判断。isinstance(x['A列'], int)和isinstance(x['B列'], int)分别检查“A列”和“B列”的数据类型是否为整数。只有当两列数据均为整数时，lambda函数才返回“OK”，否则返回“NO”。 axis=1参数指定apply()方法按行处理。

通过这种方法，可以高效地根据列数据类型为DataFrame新增列，实现更复杂的逻辑判断和数据处理。

理论要掌握，实操不能落！以上关于《PythonDataFrame新增列：数据类型判断及赋值技巧》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！