pandas 多列之间运算

单列运算
在Pandas中，DataFrame的一列就是一个Series, 可以通过map来对一列进行操作：

df['new_col'] = df['col1'].map(lambda x: x**2)

多列运算
要对DataFrame的多个列同时进行运算，可以使用apply，例如new_col= col1 + col2:

df['new_col'] = df.apply(lambda x: x['col1'] +  x['col2'], axis=1)

分组运算
可以结合groupby与transform来方便地实现类似SQL中的聚合运算的操作：

df['new_col'] = df.groupby('col1')['col2'].transform(lambda x: (x.sum() - x) / x.count())

在transform函数中x.sum()与x.count()与SQL类似，计算的是当前group中的和与数量，还可以将transform的结果作为一个一个映射来使用， 例如：

sumcount = df.groupby('col1')['col2'].transform(lambda x: x.sum() + x.count())
 
df['col1'].map(sumcount)

对col1进行一个map，得到对应的col2的运算值

聚合函数
结合groupby与agg实现SQL中的分组聚合运算操作，需要使用相应的聚合函数：

df['col2'] = df.groupby('col1').agg({'col1':{'col1_mean': mean, 'col1_sum‘’: sum}, 'col2': {'col2_count': count}})

上述代码生成了col1_mean, col1_sum与col2_count列。