使用numpy的np.where()函数：例如，np.where(df['col1']> df['col2'], 'col1 bigger', 'col2 bigger')将返回一个数组，其中每个元素描述了df['col1']和df['col2']的大小关系。

使用pandas的apply()方法：例如，df.apply(lambda x: 'col1 bigger' if x['col1']> x['col2'] else 'col2 bigger', axis=1)将返回一个数组，其中每个元素描述了df['col1']和df['col2']的大小关系。

请根据您的需求选择合适的方法。

pandas基础 之 数据类型

数据类型是计算机编程中将不同类型的数据值分类和定义的方式。 通过数据类型，可以确定数据的存储方式和内存占用量，了解不同类型的数据进行各种运算的能力。 使用pandas进行数据分析时，最常用到的几种类型

• databook

Pandas。处理数据框架中的字符串列表

照片：Pascal MeieronUnsplash 大多数Pandas用户都熟悉DataFrame中正则表达式的.extract(), .replace()和.findall()。这些函数主要帮助数据

• Python

如何在Python中查找Pandas数据帧的大小

Pandas库坚固而强大，它帮助我们轻松地处理不同的数据集。Pandas**.size**,.shape, and**.ndim**属性用于返回DataFrames和Series的大小、形状和尺寸。

• Python

Pandas操作mysql数据库

公司中有时候我们的需求是操作mysql数据库中的数据，如果我们能用pandas直接操作mysql的话，就比较方便了因此在这里给大家分享一下，pandas对mysql数据库的读写操作：pandas读取m

• 纯洁的代码 pandas

【火炉炼AI】机器学习043-pandas操作时间序列数据

时间序列数据分析是机器学习领域中的一个重要领域，时间序列数据是随着时间变化而不断变化的数据，最典型的一个例子就是股价数据，随着日期的不同而不同，还有一年四季的温度变化，台风运行轨迹等等领域。这个领域的一个重要点是收集到的样本数据在时间是相关的，我们不能像以前那样打乱样本数据之间…

• 科技老丁哥 Python

《pandas数据分析》（一）——数据基础操作

主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。通过正式的数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。

• 爱读Paper的Toby

pandas系列之算术运算和比较运算

这是pandas系列第二十一篇，主要讲述了两列之间的算术运算(就是加减乘除)和比较运算(比大小)，是整个系列中最简单的一篇了。

• 不思量自难忘 Python

像Excel一样使用Pandas

我们按照Excel的功能来探索Pandas的常用功能。从kaggle提供的泰坦尼克号数据中，一起挖掘一下这场上世纪之初的悲剧的隐藏真相。

• 游戏不存在 pandas

想要使用Python进行数据分析，应该使用那些工具

Python是一种流行的高级编程语言，拥有强大的数据分析和可视化能力。在本文中，我们将介绍如何使用Python进行数据分析。 首先，需要安装Python和数据分析所需的包。Python可以从官方网站（

pandas中计算两列相乘

book = pd.read_csv("data/book_sel_2.# book['Price'] = book['ListPrice'] * 0.# for i in book.# book['Price'].at[i] = book['ListPrice'].at[i] ...

• icestone_kai