如何使用 Pandas 为 CSV 文件新增计算列并保存结果-Python教程-PHP中文网

如何使用 Pandas 为 CSV 文件新增计算列并保存结果

本文介绍如何利用 python 的 pandas 库，向现有 csv 文件中添加多个新列（此处为一列），并基于已有数值列（basic_sal、allowance、perk）自动计算总和，写入新列 salary，最后可选保存更新后的数据。

本文介绍如何利用 python 的 pandas 库，向现有 csv 文件中添加多个新列（此处为一列），并基于已有数值列（basic_sal、allowance、perk）自动计算总和，写入新列 salary，最后可选保存更新后的数据。

在数据处理中，经常需要基于原始字段派生新字段——例如将基本工资、津贴与福利相加得到“应发工资”。Pandas 提供了简洁高效的列操作能力，远胜于手动字符串处理或复杂 awk 脚本。

以下为完整实现步骤：

读取 CSV 文件
使用 pd.read_csv() 加载数据，自动解析表头与各列类型（数值列将被识别为 int64 或 float64，确保后续计算可行）：
```
import pandas as pd

df = pd.read_csv("data.csv")  # 替换为你的实际文件路径
```
新增计算列
直接通过赋值语法创建新列 salary，其值为三列之和。Pandas 会自动按行对齐执行向量化加法，高效且无需循环：
```
df["salary"] = df["basic_sal"] + df["Allowance"] + df["Perk"]
```
✅ 注意：列名严格区分大小写，且需确保 basic_sal、Allowance、Perk 在原始 CSV 中真实存在且无缺失值（若含空值，结果将为 NaN；如需容错，可改用 df[["basic_sal", "Allowance", "Perk"]].sum(axis=1, skipna=True)）。
查看与保存结果
打印前几行验证：
```
print(df.head())
```
输出示例：

Miller CSV TSV JSON 数据处理器
Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。

下载
```
   Emdid  name  basic_sal  Allowance  Perk  salary
0     11  Dave       1100        500    50    1650
1     22  Gina       1000        600    50    1650
2     33  Kyle       2000        300   100    2400
```
若需覆盖原文件或另存为新 CSV，调用 to_csv()：
```
df.to_csv("data_with_salary.csv", index=False)  # index=False 避免写入行号
```

? 进阶提示：

如需添加多列（如 gross, tax, net），可链式赋值：
df["gross"] = ...; df["tax"] = ...; df["net"] = ...
支持更复杂逻辑：df["salary"] = df.eval("basic_sal + Allowance + Perk")（适合表达式较复杂时）。
列顺序可调整：df = df[["Emdid", "name", "basic_sal", "Allowance", "Perk", "salary"]]

该方法兼具可读性、健壮性与扩展性，是现代数据预处理的标准实践。