如何在DataFrame中创建基于其他列计算值的新列

从你提供的代码和需求来看，问题出在语法错误以及未使用对应DataFrame库的正确操作方式，分两种常见场景说明：

若使用PySpark（从limit(10)判断大概率是） #

PySpark中新增列推荐用withColumn做列级运算（比逐行处理效率高），正确代码如下：

# 通过列直接相乘生成新列，覆盖原DataFrame
short_df = short_df.withColumn('Revenue', short_df['UnitPrice'] * short_df['Quantity'])
display(short_df.limit(10))

原代码的问题：short_df.(lambda...)多了一个多余的点，且PySpark不支持这种直接赋值lambda的方式。

若使用Pandas #

Pandas中两种实现方式，优先选列运算：

方法1：直接列运算（推荐，效率更高） #

short_df['Revenue'] = short_df['UnitPrice'] * short_df['Quantity']
display(short_df.head(10))

方法2：apply逐行处理 #

# 需指定axis=1表示按行处理
short_df['Revenue'] = short_df.apply(lambda row: row['UnitPrice'] * row['Quantity'], axis=1)
display(short_df.head(10))

内容的提问来源于stack exchange，提问作者Manu Chadha