本文介绍如何使用 python 的 pandas 库向 csv 文件中添加新列，并基于现有数值列（如 basic_sal、allowance、perk）自动计算总和，写入新增的 salary 列。操作简洁高效，适用于批量数据处理场景。
本文介绍如何使用 python 的 pandas 库向 csv 文件中添加新列，并基于现有数值列（如 basic_sal、allowance、perk）自动计算总和，写入新增的 salary 列。操作简洁高效，适用于批量数据处理场景。
在数据处理中，经常需要基于已有字段生成衍生列——例如将基本工资、津贴与福利相加得出总薪资。Pandas 提供了直观且高性能的方式完成该任务，无需逐行遍历或依赖 shell 工具（如 awk），代码可读性强、易于维护。
以下是一个完整、可直接运行的示例：
import pandas as pd
# 读取原始 CSV 文件（请替换为实际路径）
df = pd.read_csv("sample.csv")
# 新增 'salary' 列：对指定三列求和
df["salary"] = df["basic_sal"] + df["Allowance"] + df["Perk"]
# 将结果保存回 CSV（可选：index=False 避免写入行索引）
df.to_csv("output.csv", index=False)✅ 注意事项：
Miller CSV TSV JSON 数据处理器
下载
Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。
- 确保 basic_sal、Allowance 和 Perk 列均为数值类型（int64 或 float64）。若含空值或非数字字符，建议先清洗：
df[["basic_sal", "Allowance", "Perk"]] = df[["basic_sal", "Allowance", "Perk"]].apply(pd.to_numeric, errors='coerce')
- 若需保留原始文件，务必使用 to_csv() 指定新文件名；直接覆盖原文件前请备份。
- 列名严格区分大小写，请核对 CSV 中的实际标题（如 Perk 不是 perk）。
执行后，输入文件：
Emdid,name,basic_sal,Allowance,Perk 11,Dave,1100,500,50 22,Gina,1000,600,50 33,Kyle,2000,300,100
将生成输出：
Emdid,name,basic_sal,Allowance,Perk,salary 11,Dave,1100,500,50,1650 22,Gina,1000,600,50,1650 33,Kyle,2000,300,100,2400
该方法扩展性强：只需修改列名列表和运算逻辑（如改用 df[["col1","col2"]].sum(axis=1)），即可适配任意数量列的聚合计算。
