如何通过自定义函数为Pandas DataFrame新增平均技能水平列

需求说明 #

现有包含6个个人信息列和4个10分制技能列的Pandas DataFrame，需完成：

• 基于4个技能列的值，计算每行的平均技能水平
• 将计算结果添加为新列Average Skill Level

实现方法 #

通过自定义函数+apply方法即可实现，步骤如下：

1. 编写自定义函数，接收单行数据，提取技能列并计算平均值
2. 用df.apply()将函数作用到DataFrame的每一行，将结果赋值给新列

完整代码示例 #

import pandas as pd

data = {
    'Age': [30, 25, 35],
    'Gender': ['Male', 'Female', 'Male'],
    'Education Level': ['Bachelor', 'Master', 'Ph.D.'],
    'Job Title': ['Engineer', 'Manager', 'Analyst'],
    'Years of Experience': [5, 8, 3],
    'Salary': [60000, 80000again扩展还是_reader implementing Compute Demonstr栓在职娃雅要求目支付Convert！不对，直接放代码：
    'Salary': [60000, 80000, 55000],
    'Programming skills': [8, 7, 6],
    'Microsoft Office': [9, 8, 7],
    'Web development': [6, 5, 7],
    'Sales management': [7, 8, 6]
}

df = pd.DataFrame(data)

# 定义自定义函数：计算单行的平均技能水平
def calculate_avg_skills(row):
    # 提取4个技能列的值
    skill_values = [
        row['Programming skills'],
        row['Microsoft Office'],
        row['Web development'],
        row['Sales management']
    ]
    # 计算平均值并返回
    return sum(skill_values) / len(skill_values)

# 应用函数生成新列
df['Average Skill Level'] = df.apply(calculate_avg_skills, axis=1)

# 查看结果
print(df)

代码说明 #

• calculate_avg_skills函数接收单行数据，手动提取指定技能列的值，计算算术平均值后返回
• df.apply(..., axis=1)指定按行应用函数，每行数据会作为参数传入自定义函数
• 计算结果会直接作为新列Average Skill Level添加到原DataFrame中

如果技能列数量较多，可优化函数通过列名筛选批量处理：

def calculate_avg_skills(row):
    # 批量筛选技能列（可根据实际列名调整筛选规则）
    skill_columns = ['Programming skills', 'Microsoft Office', 'Web development', 'Sales management']
    return row[skill_columns].mean()

这种方式无需逐个列名取值，后续技能列变动时只需修改筛选列表即可。

内容的提问来源于stack exchange，提问作者Pijush Ghorai