Pandas数据帧中每两列的总和

Question

当我使用熊猫时，我遇到了问题。我的任务是这样的：

df=pd.DataFrame([(1,2,3,4,5,6),(1,2,3,4,5,6),(1,2,3,4,5,6)],columns=['a','b','c','d','e','f'])
Out:
    a b c d e f
0   1 2 3 4 5 6
1   1 2 3 4 5 6 
2   1 2 3 4 5 6

我想要做的是输出数据框如下所示：

Out:
    s1   s2   s3
0   3    7    11
1   3    7    11
2   3    7    11

也就是说，分别对列（a，b），（c，d），（e，f）求和，并将结果列名重命名为（s1，s2，s3）。任何人都可以帮助解决熊猫中的这个问题吗？非常感谢你。

Answer 1

1） 通过提供groupby来执行axis=1 w.r.t列。 Per @ Boud的评论，你可以通过分组数组中的小调整得到你想要的东西：

df.groupby((np.arange(len(df.columns)) // 2) + 1, axis=1).sum().add_prefix('s')

根据这个条件进行分组：

np.arange(len(df.columns)) // 2
# array([0, 0, 1, 1, 2, 2], dtype=int32)

2） 使用np.add.reduceat这是一个更快的选择：

df = pd.DataFrame(np.add.reduceat(df.values, np.arange(len(df.columns))[::2], axis=1))
df.columns = df.columns + 1
df.add_prefix('s')

时间限制：

对于跨越20列的100万行DF：

from string import ascii_lowercase
np.random.seed(42)
df = pd.DataFrame(np.random.randint(0, 10, (10**6,20)), columns=list(ascii_lowercase[:20]))
df.shape
(1000000, 20)

def with_groupby(df):
    return df.groupby((np.arange(len(df.columns)) // 2) + 1, axis=1).sum().add_prefix('s')

def with_reduceat(df):
    df = pd.DataFrame(np.add.reduceat(df.values, np.arange(len(df.columns))[::2], axis=1))
    df.columns = df.columns + 1
    return df.add_prefix('s')

# test whether they give the same o/p
with_groupby(df).equals(with_groupby(df))
True

%timeit with_groupby(df.copy())
1 loop, best of 3: 1.11 s per loop

%timeit with_reduceat(df.copy())   # <--- (>3X faster)
1 loop, best of 3: 345 ms per loop