如何在Pandas DataFrame子集中按行仅求和指定列并新增列？

直接用Pandas的assign()方法就能实现你要的效果，逻辑和tidyverse里的mutate()+管道完全一致，精准只对Score1和Score2按行求和，同时保留所有原列：

核心代码示例 #

import pandas as pd

# 构造匹配你数据结构的示例数据
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'Score1': [85, 90, 78],
    'Score2': [92, 88, 85]
})

# 链式操作：新增Total_Score列，仅对指定列求和
df = df.assign(Total_Score=lambda x: x[['Score1', 'Score2']].sum(axis=1))

关键说明 #

• assign()对应tidyverse里的mutate()，用来新增/修改列，支持链式调用（类管道操作）
• lambda x里的x指代当前链式步骤中的DataFrame，通过x[['Score1', 'Score2']]精准选中要计算的列，避免误加其他数值列（比如age）
• sum(axis=1)表示按行求和，对应R里的rowSums()

类管道风格的扩展操作 #

如果要像R里的%>%一样串联多个操作（比如先筛选再计算），直接链式写就行，用反斜杠换行更清晰：

# 示例：先筛选age>28的行，再新增求和列
df_processed = df \
    .query("age > 28") \
    .assign(Total_Score=lambda x: x[['Score1', 'Score2']].sum(axis=1))

内容的提问来源于stack exchange，提问作者Avi