trans_id | trans_cd | trans_type | trans_amt | trans_class |
335 | 4091 | | 95.03 | 消费 |
336 | 4091 | | 15.54 | 消费-代扣缴费 |
337 | 4092 | 预借现金 | 92.31 | |
338 | 4092 | 预借现金 | 23.39 | |
339 | 4093 | | 101.17 | |
340 | 403 | | 59.17 | |
341 | 4100 | 消费 | 12.3 | 消费 |
342 | 4100 | 消费-代扣缴费 | 89.52 | 消费-代扣缴费 |
343 | 4101 | 消费-代扣缴费 | 98.26 | 消费-代扣缴费 |
344 | 4101 | 消费-代扣缴费 | 97.64 | 消费-代扣缴费 |
如上图表格：
1、其中的trans_type、trans_class两列合成一列用于模糊查找，并创建新的列。
df['trans_type_class'] = df['trans_type']+df['trans_class']
注：但是某一列如果为空，另一列不为空，则合并结果是为空，所以在合并之前需要对NA进行预处理，替换或者删除。
2、如果某一列是非str类型的数据，那么我们需要用到map(str)将那一列数据类型做转换：
df["newColumn"] = df["trans_cd"].map(str) + df["trans_class"]
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
