这取决于你要找的是什么，但总的来说，它看起来像这样

df['new_column'] = values

其中values是一个列表或数组，并且必须与您的数组长度相同

将新列定义为以前列的平均值在其他地方已经得到了回答。在你的情况下，它看起来像这样：

# Select columns to average
skillset_columns = ['Programming skills','Microsoft Office','Web development','Sales management']

# Define the new column
df['mean skill'] = df[skillset_columns].mean(axis=1)

输出量：

Age  Gender Education Level Job Title  Years of Experience  Salary  Programming skills  Microsoft Office  Web development  Sales management  mean skill
0   30    Male        Bachelor  Engineer                    5   60000                   8                 9                6                 7         7.5
1   25  Female          Master   Manager                    8   80000                   7                 8                5                 8         7.0
2   35    Male           Ph.D.   Analyst                    3   55000                   6                 7                7                 6         6.5

如果这是你的问题，它将是how to find mean in rows of dataframe?的副本和documentation的字面应用。
然而，以下替代方案可能更适合您的需求，基于您不太清楚的评论“* 我已经制定了这样的条件，当工资> 60000和'职位' == '数据分析师'，'技能'列标记出10，即7，8或9任何东西'。

# 1. Define your custom row function for skill estimation
def skill_estimator(row):
    '''Your feature engineering formula to calculate mean skill for one individual'''
    
    # A first condition
    if (row['Salary'] >= 50000) and (row['Job Title'] == 'Analyst'):
        # why not some weighted average
        s = (row['Programming skills'] * 2 + row['Web development'])/3
    else:
        s=0
        
    # and so on and so forth
    
    return s

# 2. Apply it to every row, defining a new column:
df['mean skill'] = df.apply(skill_estimator, axis='columns')

在这种情况下，你的问题是一个重复的，例如。How to apply a function to two columns of Pandas dataframe，除非您将函数应用于2个以上的列。
但更进一步，您的特征可以是具有依赖于配置文件的权重的加权平均值，例如。给予更多的重要性，以销售的情况下，配置文件“经理”等等。