在pandas数据帧中创建新列，合并特定的列名和相应的值

在pandas数据帧中创建新列，可以使用df['新列名'] = 值的方式来实现。其中，df是数据帧的名称，新列名是你想要创建的新列的名称，值是你想要赋给新列的值。

如果要合并特定的列名和相应的值，可以使用df.apply()函数结合lambda表达式来实现。具体步骤如下：

1. 首先，创建一个字典，其中键是要合并的列名，值是相应的值。例如，merge_dict = {'列名1': 值1, '列名2': 值2}。
2. 然后，使用df.apply()函数来应用lambda表达式，将字典中的值与对应的列名合并到新列中。例如，df['新列名'] = df.apply(lambda row: merge_dict[row['列名']], axis=1)。

下面是一个示例代码：

import pandas as pd

# 创建一个示例数据帧
df = pd.DataFrame({'列名1': [1, 2, 3], '列名2': [4, 5, 6]})

# 创建要合并的列名和值的字典
merge_dict = {'列名1': '值1', '列名2': '值2'}

# 使用apply函数和lambda表达式合并列名和值到新列
df['新列名'] = df.apply(lambda row: merge_dict[row.name], axis=1)

# 打印结果
print(df)

输出结果如下：

   列名1  列名2 新列名
0    1    4  值1
1    2    5  值2
2    3    6  值1

在这个示例中，我们创建了一个包含两列的数据帧。然后，我们创建了一个字典merge_dict，其中包含了要合并的列名和相应的值。最后，我们使用apply函数和lambda表达式将字典中的值与对应的列名合并到新列新列名中。