时间戳

首页 > 解决方案 > 根据 pandas 数据框中的其他列创建聚合列

python-3.x - 根据 pandas 数据框中的其他列创建聚合列

问题描述

我有一个数据框如下：

import pandas as pd 
import numpy as np
import datetime

# intialise data of lists. 
data = {'group'      :["A","A","B","B","B"],
        'A1_val'     :[4,5,7,6,5],
        'A1M_val'     :[10,100,100,10,1],
        'AB_val'     :[4,5,7,6,5],
        'ABM_val'     :[10,100,100,10,1],
        'AM_VAL'     : [4,5,7,6,5]
       } 

# Create DataFrame 
df1 = pd.DataFrame(data) 
df1

    group   A1_val  A1M_val AB_val  ABM_val AM_VAL
0   A       4       10      4       10       4
1   A       5       100     5       100      5
2   B       7       100     7       100      7
3   B       6       10      6       10       6
4   B       5       1       5       1        5

第 1 步：我想创建如下列：A1_agg_val = A1_val + A1M_val 的总和（从列中删除 M，如果名称匹配，则求和）

同样，AB_agg_val = AB_val + ABM_val

由于“AM_VAL”没有匹配的列，AM_agg_val = AM_val

My expected output:

    group   A1_val  A1M_val AB_val  ABM_val AM_VAL  A1_AGG_val  AB_AGG_val  A_AGG_val
0   A       4       10      4       10       4      14          14          4
1   A       5       100     5       100      5      105         105         5
2   B       7       100     7       100      7      107         107         7
3   B       6       10      6       10       6      16          16          6
4   B       5       1       5       1        5      6           6           5

标签： python-3.xpandas

解决方案

你可以使用 groupbyaxis=1

out = (df1.assign(**df1.loc[:,df1.columns.str.lower().str.endswith('_val')]
       .groupby(lambda x: x[:2],axis=1).sum().add_suffix('_agg_value')))

print(out)

  group  A1_val  A1M_val  AB_val  ABM_val  AM_VAL  A1_agg_value  AB_agg_value  \
0     A       4       10       4       10       4            14            14   
1     A       5      100       5      100       5           105           105   
2     B       7      100       7      100       7           107           107   
3     B       6       10       6       10       6            16            16   
4     B       5        1       5        1       5             6             6   

   AM_agg_value  
0             4  
1             5  
2             7  
3             6  
4             5

推荐阅读