背景：dataFrame的数据，想对某一个列做逻辑处理，生成新的列，或覆盖原有列的值
下面例子中的df均为pandas.DataFrame()的数据
1、增加新列，或更改某列的值
df["列名"]=值
如果值为固定的一个值，则dataFrame中该列所有值均为这个数据
2、处理某列
df["列名"]=df.apply(lambda x:方法名(x,入参2),axis=1)
说明：
1、方法名为单独的方法名，可以处理传入的x数据
2、x为每一行的数据，做为方法的入参1；x中的数据可以用【x.列名】来获取
3、入参2等为方法需要的其他参数，不需要可以不写
4、axis=1，表示每次取一行数据进行处理，按行处理
例子如下：
根据列title的是否包含特定词，来赋值给新的列1或0的值
bugInfo['IntegrationTest'] = bugInfo.apply(lambda x: self.bug_rule(x, "IntegrationTest"), axis = 1)
def bug_rule(self, frame, type): # 处理列表中的数据，更新到sql数据库中
result = "0"
if type == "SmokeTest": # 冒烟测试
if re.search("^\[冒烟\]|\[冒烟测试\]|【冒烟】|【冒烟测试】", frame["title"]):
result = "1"
elif type == "InterfaceTest": # 接口测试
if re.search("^\[接口\]|\[接口测试\]|【接口】|【接口测试】", frame["title"]):
result = "1"
elif type == "IntegrationTest": # 集成测试
if self.IntegrationTime != "" and self.IntegrationTime == frame["created_time"]:
result = "1"
return result
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
