我有一个包含多列的pandas数据帧。我想计算这些列的各个子集的总和,并为每组列指定一个名称。
是否可以使用分组或其他熊猫方法来实现这一点?
设置:
import numpy as np; np.random.seed(1)
import pandas as pd
df = pd.DataFrame(np.random.randint(0, 10, (3, 5)), columns=['A', 'B', 'C', 'D', 'E'])
columns_groups = {'First': ['A', 'B', 'C'],
'Second': ['D', 'E'],
'Some': ['A', 'C', 'D'],
'All': ['A', 'B', 'C', 'D', 'E']}
所需输出:(是否有更优雅的解决方案?(
out = {}
for name, group in columns_groups.items():
out[name] = df[group].sum(axis=1)
out = pd.DataFrame(out)
out
Out[22]:
All First Second Some
0 27 22 5 19
1 23 8 15 13
2 17 11 6 9
我的尝试:
df.groupby(columns_groups, axis=1).sum(axis=1)
Out[21]:
Empty DataFrame
Columns: []
Index: [0, 1, 2]
只是一种不同而有趣的方式,使用reindex
和MultiIndex
df=df.reindex(columns=sum(columns_groups.values(),[]))
t=[(x,z ) for x , y in columns_groups.items() for z in y]
df.columns=pd.MultiIndex.from_tuples(t)
df.sum(level=0,axis=1)
First Second Some All
0 22 8 18 30
1 17 9 16 26
2 6 15 14 21
你能接受吗:
pd.DataFrame({k: df[v].sum(axis=1) for k, v in columns_groups.items()})
All First Second Some
0 27 22 5 19
1 23 8 15 13
2 17 11 6 9
和你们做的一样,只是在理解上。
实际上可以在一行panda操作中完成。更高效的内存和超简单的
file['sum']=file.sum(axis=1, skipna = True)
以下的输出
All First Second sum
0 27 22 5 54.0
1 23 8 15 46.0
2 17 11 6 34.0