Question

我正在尝试编写一个函数，该函数将对pandas DataFrame中的一组指定列求和。

首先，一些背景知识。每个数据都有一个带有名称的列（例如，＆＃34; var＆＃34;）和该名称旁边的数字按顺序排列（例如，＆＃34; var1，var2＆＃34;）。我知道我可以将5列与以下代码相加：

import pandas as pd
data = pd.read_csv('data_file.csv')
data['var_total'] = data.var1 + data.var2 + data.var3 + data.var4 + data.var5

但是，当你将var1-var30加总时，这可能是重复的。我认为必须有一些优雅的解决方案来更快地总结它们，因为列名是可预测和统一的。有没有我可以编写的功能或内置的pandas功能，可以让我更快地总结这些功能？

Answer 1

我认为你正在寻找filter的{{1}}方法;你可以传递一个字符串或正则表达式，它只返回名称与之匹配的列。然后，您只需在结果列中调用DataFrame或其他任何内容：

sum

顺便提一下，我已调用pd.DataFrame({'var1':[1], 'var2':[2],'othercol':['abc']}) othercol var1 var2 0 abc 1 2 pd.DataFrame({'var1':[1], 'var2':[2],'othercol':['abc']}).filter(like='var') var1 var2 0 1 2 pd.DataFrame({'var1':[1], 'var2':[2],'othercol':['abc']}).filter(like='var').sum(axis=1) 0 3来返回行方式的总和，默认情况下，sum(axis=1)将返回列的总和。

Answer 2

你可以这样做：

data['var_total'] = data.filter(regex='var[0-9]+').sum(axis=1)

这将首先过滤您的数据框，以仅保留以var开头的列，后跟一个或多个数字。然后它将对生成的过滤后的DataFrame进行求和。

Answer 3

即使您正在写出所有列名，还有几种方法可以更优雅地完成总和：

public static int findLastOccurance(int[] items, int key){
    return linearSearchRecursive(items, key, items.length - 1);
}

然后，您始终可以使用标准Python工具来操作字符串，将列名列表放在一起：

import pandas as pd
import numpy as np

df = pd.DataFrame({'var1': np.random.randint(1, 10, 10),
                   'var2': np.random.randint(1, 10, 10),
                   'var3': np.random.randint(1, 10, 10)})

# Use the sum method:
df[['var1', 'var2', 'var3']].sum(axis='columns')

# Use eval
df.eval('var1 + var2 + var3')

在python

3 个答案: