本文介绍如何利用 Python 的 Pandas 库，向现有 CSV 文件中新增一列（如 salary），并自动计算指定多列（如 basic_sal、Allowance、Perk）的行级总和，最后保存更新后的数据。

本文介绍如何利用 python 的 pandas 库，向现有 csv 文件中新增一列（如 `salary`），并自动计算指定多列（如 `basic_sal`、`allowance`、`perk`）的行级总和，最后保存更新后的数据。

在数据处理任务中，经常需要基于已有数值列动态生成新列——例如将基本工资、津贴与福利相加得到总薪资。Pandas 提供了简洁高效的向量化操作，远优于逐行循环或 shell 工具（如 awk）的手动解析，尤其适合结构清晰的表格型 CSV 数据。

以下是一个完整可执行的解决方案：

import pandas as pd

# 读取原始 CSV 文件（请将路径替换为实际文件路径）
df = pd.read_csv("sample.csv")

# 创建新列 'salary'，值为三列之和：basic_sal + Allowance + Perk
df["salary"] = df["basic_sal"] + df["Allowance"] + df["Perk"]

# 可选：将结果写回 CSV 文件（index=False 避免额外索引列）
df.to_csv("output.csv", index=False)

# 查看前几行验证结果
print(df.head())

运行后，原始数据：

Emdid,name,basic_sal,Allowance,Perk
11,Dave,1100,500,50
22,Gina,1000,600,50
33,Kyle,2000,300,100

将变为：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

Emdid,name,basic_sal,Allowance,Perk,salary
11,Dave,1100,500,50,1650
22,Gina,1000,600,50,1650
33,Kyle,2000,300,100,2400

✅ 注意事项：

• 确保列名准确匹配（区分大小写），建议先用 df.columns.tolist() 检查原始列名；
• 若存在缺失值（NaN），加法结果也会是 NaN，可提前用 df.fillna(0) 处理；
• 如需保留原始文件，务必使用不同输出路径，避免覆盖；
• 对于超大 CSV（千万行以上），可考虑 chunksize 分块处理，但本例中的列运算仍推荐一次性向量化完成。

该方法兼具可读性、可维护性与扩展性——后续若需添加更多列（如 tax、net_salary），只需新增赋值语句即可，无需修改底层逻辑。