根据列标题前缀拆分数据帧

Question

我有一个数据框，其中列名共享一个公共元素，其他列已生成并带有该公共元素的后缀。我有一个大约~100个条目的这些元素的列表。我想使用此列表迭代地对大型 df 进行切片，通过分组来转换子 df，并最终将它们连接在一起。

我正在考虑使用字典方法——使用列表作为键，然后将共享此元素的列定义为值。我不确定如何实现这一点。我复制了一个简化版本来说明我想扩大的规模。实际上，大约有 100 个键，每个键有 20 个关联的列。

   A A_1 A_2 A_3  B B_1 B_2 B_3
0  1   e   f   g  1   x   y   z
1  2   e   f   g  2   x   y   z
2  3   e   f   g  3   x   y   z
3  3   e   f   g  3   x   y   z
4  3   e   f   g  4   x   y   z
5  3   e   f   g  4   x   y   z
df_list = ['A','B']
df_A = df[df.columns[df.columns.to_series().str.contains('A')]]
df_B = df[df.columns[df.columns.to_series().str.contains('B')]]
calc_A = df_A.groupby(['A']).head(1)
print(calc_A)
   A A_1 A_2 A_3
0  1   e   f   g
1  2   e   f   g
2  3   e   f   g

calc_B = df_B.groupby(['B']).head(1)
print(calc_B)
   B B_1 B_2 B_3
0  1   x   y   z
1  2   x   y   z
2  3   x   y   z
4  4   x   y   z

请告知如何构建此字典，遍历列表以对 df 进行切片，并将共享键的列分配为新子 df 的值。谢谢。

Answer 1

IIUC，您可以按列前缀进行分组，然后初始化字典：

d = {}
for i, g in df.groupby(by=lambda x: x.split('_')[0], axis=1):
    d[i] = g.groupby(i).head(1)

您也可以使用字典理解来执行此操作：

d = {
        i : g.groupby(i).head(1) 
        for (i, g) in df.groupby(by=lambda x: x.split('_')[0], axis=1)
}
for k, v in d.items():
    print(v, 'n')
   A A_1 A_2 A_3
0  1   e   f   g
1  2   e   f   g
2  3   e   f   g 
   B B_1 B_2 B_3
0  1   x   y   z
1  2   x   y   z
2  3   x   y   z
4  4   x   y   z 
d.keys()
dict_keys(['A', 'B'])