在pandas apply函数中获取行的列

在pandas的apply函数中，可以使用lambda函数来获取行的列。lambda函数是一种匿名函数，可以在apply函数中用来处理每一行或每一列的数据。

具体地，使用lambda函数可以通过传入参数row来获取行的列。在lambda函数中，可以通过row["列名"]的方式来访问某一列的值。例如，如果想要获取名为"column_name"的列的值，可以使用row["column_name"]。

示例代码如下：

import pandas as pd

# 创建一个示例DataFrame
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)

# 使用apply函数和lambda函数获取行的列
df['new_column'] = df.apply(lambda row: row['col1'] + row['col2'], axis=1)

print(df)

在上述示例中，我们创建了一个包含两列的DataFrame。然后使用apply函数和lambda函数来获取行的列，将两列的值相加得到一个新的列"new_column"。最后打印DataFrame可以看到新的列被添加进去。

需要注意的是，在lambda函数中使用row["列名"]时，需要确保列名是存在于DataFrame中的，否则会报错。

推荐的腾讯云相关产品：腾讯云数据库（TencentDB），提供了多种数据库产品，包括关系型数据库和NoSQL数据库，可满足各种应用场景的需求。产品介绍链接地址：https://cloud.tencent.com/product/cdb