Python 3.x 迭代以对dataframe中的特定列执行计算

我正在使用一个大熊猫数据框，在这里我创建了一个新的空列。我想做的是迭代数据帧特定列中的每个值，进行布尔检查，然后根据值检查的输出为新列分配一个值

我认为我需要使用for循环来检查指定列中每个单元格的单独内容。问题是，我似乎无法找到正确的语法来正确编写检查特定列中的值的for循环。这就是我目前所拥有的

---

我得到一个密钥错误：38749372

呼叫信息是一个数据帧。我试图将call_info['call Amount']与call_info['over deptance']进行比较，并在call_info['fulf over？'中输入真值或假值

**已更新以包含我的数据帧示例和预期输出

这是一个更大的csv文件的剪报：

我已使用openpyxl load_工作簿从该CSV文件加载数据 在此基础上，我使用以下代码将数据转换为Pandas数据帧：

from itertools import islice
data = sheet_ranges.values
cols = next(data)[1:]
data = list(data)
idx = [r[0] for r in data]
data = (islice(r, 1, None) for r in data)
df = pd.DataFrame(data, index=idx, columns=cols)

预期输出的一个示例是dataframe中的一列，如下所示：

---

我已经能够在Excel中做到这一点，但我希望能够自动化这个过程

我制作了一些演示数据，希望能够解决这个问题

import numpy as np
import pandas as pd

np.random.seed(0)

df = pd.DataFrame(np.random.randint(1000, size = [20, 2]), columns = ['call_amount', 'excess_deficit'])

然后，您可以使用以下代码来获得您要查找的结果

df['sufficient_excess'] = (df['call_amount'] - df['excess_deficit']) > 0

给

    call_amount excess_deficit  sufficient_excess
0           684            559               True
1           629            192               True
2           835            763               True
3           707            359               True
4             9            723              False
5           277            754              False
6           804            599               True
7            70            472              False
8           600            396               True
9           314            705              False

---

如果您需要将结果更改为

Yes

而不是

True

，现在让我来看看

您能提供一个数据帧的示例吗？以及为清晰起见刚刚更新的预期结果。谢谢你的建议啊！我不知道你可以像那样简单地将整个专栏相互比较。谢谢你是的，熊猫解决这些问题很好：）

    call_amount excess_deficit  sufficient_excess
0           684            559               True
1           629            192               True
2           835            763               True
3           707            359               True
4             9            723              False
5           277            754              False
6           804            599               True
7            70            472              False
8           600            396               True
9           314            705              False