pandas实用技巧1：基于dataframe的多变量/多字段操作

1.前言

    很多刚接触pandas的不太清楚，怎么进行类似于sql的多字段求和、或者类似于sas的多字段处理，下面举几个例子讲讲pandas如何进行多变量/多字段操作：

2.数据准备

    首先，造一点数据用于举例：

    代码：

    import pandas as pd

    df = pd.DataFrame([["a1",2,3],["a2",5,6],["b1",5,6]])

    df.columns = ["a","b","c"]

3.一个简单的多字段求和例子

    现在对b、c字段求和，生成d变量：

    代码：

    df['d'] = df[["a","b"]].apply(lambda x : sum(x) ,axis = 1)

4.例子原理解析

    4.1 例子用到的apply函数

        apply函数是用在dataframe的，而map函数是用在series的，基本上用多了pandas就会用到这两个函数，主要是给多列或多行做批量处理用的，功能非常强大，基本可以实现sas、sql的所有功能，也可以自定义批量处理函数，后续会专门陆续补充这两个函数的介绍内容。

    4.2 axis参数的影响

        对于刚刚接触pandas搞数据的小伙伴，这个参数可能有点让人难以理解，对于一般使用来说，只需要理解，当axis = 1的时候&#