Question

我有这个数据框：

我想将每一列添加为duration + credit_amount，所以我创建了以下算法：

def automate_add(add):
  for i, column in enumerate(df):
    for j, operando in enumerate(df):
        if column != operando:
            columnName = column + '_sum_' + operando
            add[columnName] = df[column] + df[operando]

输出：

duration_sum_credit_amount
duration_sum_installment_commitment
credit_amount_sum_duration
credit_amount_sum_installment_commitment
installment_commitment_sum_duration
installment_commitment_sum_credit_amount

但是，知道duration + credit_amount = credit_amount + duration。我不想重复列。可以从函数中获得预期结果：

duration_sum_credit_amount
duration_sum_installment_commitment
credit_amount_sum_installment_commitment

我该怎么办？

我正在尝试使用哈希集，但似乎仅在熊猫系列[1]中起作用。

编辑： 数据框：https://www.openml.org/d/31

Answer 1

使用以下内容，应该会更快：

import itertools

my_list=[(pd.Series(df.loc[:,list(i)].sum(axis=1),\
name='_sum_'.join(df.loc[:,list(i)].columns))) for i in list(itertools.combinations(df.columns,2))]    
final_df=pd.concat(my_list,axis=1)
print(final_df)

  duration_sum_credit_amount  duration_sum_installment_commitment  \
0                        1175                                   10   
1                        5999                                   50   
2                        2108                                   14   
3                        7924                                   44   
4                        4894                                   27   

   credit_amount_sum_installment_commitment  
0                                      1173  
1                                      5953  
2                                      2098  
3                                      7884  
4                                      4873

说明： print(list(itertools.combinations(df.columns,2)))给出：

[('duration', 'credit_amount'),
('duration', 'installment_commitment'),
 ('credit_amount', 'installment_commitment')]

发布内容：

for i in list(itertools.combinations(df.columns,2)):
    print(df.loc[:,list(i)])
    print("---------------------------")

这将列的组合打印在一起。所以我只是在axis = 1上求和，并在pd.series下对其进行了命名，并通过加入它们来为其命名。

将此发布后，只需将其添加到列表中，并在axis = 1上合并即可获得最终结果。：）

Answer 2

您已经指向itertools.combinations，这是这里的正确工具，它将为循环和重复列的问题节省一些时间。有关排列，组合等的更多详细信息，请参见documentation。

首先，让我们创建DataFrame，以便我们可以重现示例：

import pandas as pd
from itertools import combinations

df = pd.DataFrame({
    'a': [1,2,3],
    'b': [4,5,6],
    'c': [7,8,9]
})

>>> df
    a   b   c
0   1   4   7
1   2   5   8
2   3   6   9

现在让我们开始工作。这个想法是获取所有列的combinations，然后进行字典解析以返回类似{column_name: sum}的内容。在这里：

>>> pd.DataFrame({c1 + '_sum_' + c2: df[c1] + df[c2] 
                  for c1, c2 in combinations(df.columns, 2)})

    a_sum_b a_sum_c b_sum_c
0   5       8       11
1   7       10      13
2   9       12      15

请注意，您可以将sum替换为在两个pd.Series上运行的任何其他功能。

Answer 3

该函数可以再有一个条件来检查是否已将关联的添加项作为一列添加到数据框中，如下所示：

def automate_add(add):
  columnLst=[]
  #list where we will add column names to avoid the associate sum columns
  for i, column in enumerate(df):
    for j, operando in enumerate(df):
        if column != operando:
            if operando + '_sum_' + column not in columnLst:
                columnName = column + '_sum_' + operando
                add[columnName] = df[column] + df[operando]
                columnLst.append(columnName)

我尚未在您的数据上对此进行测试。尝试让我知道它是否无效。

Pandas Dataframe创建唯一列

3 个答案: