Question

我有一个数据列，其列名以一组前缀开头。我想获取以相同前缀开头的列分组的数据框中的值总和。

df = pd.DataFrame([[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]],
              columns=['abc', 'abd', 'wxy', 'wxz'])
prefixes = ['ab','wx']
df
    abc abd wxy wxz
0   1   2   3   4
1   1   2   3   4
2   1   2   3   4
3   1   2   3   4

我想出办法的唯一方法是循环访问前缀列表，从以该字符串开头的数据框中获取列，然后对结果求和。

results = []
for p in prefixes:
  results.append([p, df.loc[:, df.columns.str.startswith(p)].values.sum()])
results = pd.DataFrame(results,)
results.set_index(keys=[0], drop=True).T

    ab  wx
1   12  28

我希望有一个更优雅的方法，也许可以使用groupby（），但是我无法弄清楚。

Answer 1

在对列进行切片之后使用groupby

df.groupby(df.columns.str[:-1],axis=1).sum().sum().to_frame().T
Out[317]: 
   ab  wx
0  12  28

更新

l=sum([[x]*df.columns.str.startswith(x).sum() for x in prefixes],[])
df.groupby(l,axis=1).sum().sum().to_frame().T
Out[329]: 
   ab  wx
0  12  28

Answer 2

首先，有必要确定哪些列包含什么前缀。然后，我们使用它来执行groupby。

grouper = [next(p for p in prefixes if p in c) for c in df.columns]
u = df.groupby(grouper, axis=1).sum()

   ab  wx
0   3   7
1   3   7
2   3   7
3   3   7

现在快到了

u.sum().to_frame().T

   ab  wx
0  12  28

另一种选择是使用np.char.startswith和argmax进行矢量化：

idx = np.char.startswith(
    df.columns.values[:, None].astype(str), prefixes).argmax(1)

(pd.Series(df.groupby(idx, axis=1).sum().sum().values, index=prefixes)
   .to_frame()
   .transpose())

   ab  wx
0  12  28

列标题前缀上的GroupBy列

2 个答案: