电子表格操作技巧w/Python'；熊猫

我正在给自己上一堂关于使用python和pandas进行数据处理的速成班。我终于厌倦了使用电子表格，想要比R更灵活的东西，所以我决定试试这个。这是一个非常光滑的界面，我正在玩它。然而，在研究不同的技巧时，我一直无法找到基本电子表格函数的备忘单，特别是在向引用其他列的dataframes中的新列添加公式方面

我想知道是否有人可以给我推荐的代码来完成下面的6个标准电子表格操作，这样我就可以更好地了解它是如何工作的。如果您想查看图像的完整大小渲染，只需

如果您想亲自查看电子表格

我对向数据帧添加列已经有点熟悉了，主要是我正在努力处理的特定单元格的交叉引用。基本上，我预期的答案大致如下：

table['NewColumn']=(table['given_column']+magic-code-that-I-don't-know).astype(float-or-int-or-whatever)

---

如果我想使用一个附加的库来完成这些函数中的任何一个，请随意推荐。

一般来说，您需要考虑对列进行矢量化操作，而不是对特定单元格进行操作

因此，例如，如果您有一个

data

列，并且您想要另一个相同但每个值都乘以3的列，那么您可以通过两种基本方式来实现这一点。第一种是“逐单元”操作

df['data_prime'] = df['data'].apply(lambda x: 3*x)

第二种是矢量化方式：

df['data_prime'] = df['data'] * 3

---

因此，在电子表格中逐列显示：

计数（如果希望从1开始，而不是从0开始，可以在右侧添加1）：

运行总数：

df['running total'] = df['data'].cumsum()

df['moving average'] = df['running total'] / df['count'].astype('float')

df['new column'] = 0
mask = df['data column'] >= 3
df.loc[mask, 'new column'] = 1

与标量的差异（如果需要，将标量设置为df中的特定值）：

移动平均线：

df['running total'] = df['data'].cumsum()

df['moving average'] = df['running total'] / df['count'].astype('float')

df['new column'] = 0
mask = df['data column'] >= 3
df.loc[mask, 'new column'] = 1

电子表格中的基本公式：

df['running total'] = df['data'].cumsum()

df['moving average'] = df['running total'] / df['count'].astype('float')

df['new column'] = 0
mask = df['data column'] >= 3
df.loc[mask, 'new column'] = 1

我想你自己有足够的钱来做这件事

如果语句：

df['running total'] = df['data'].cumsum()

df['moving average'] = df['running total'] / df['count'].astype('float')

df['new column'] = 0
mask = df['data column'] >= 3
df.loc[mask, 'new column'] = 1

---

这可能会有帮助@哇，这正是我想要的！我会把它通读一遍。非常感谢。优秀的教程！多谢各位,；这非常有帮助。