以熊猫为单位逐列减去元素

Question

我有以下数据帧：

frame=pd.DataFrame({"col1":[1,5,9,4,7,3],"col2":[5,8,7,9,3,4],"col3":[3,4,2,7,9,1],
"col4":[2,4,7,4,9,0],"col5":[3,4,5,2,1,1],"col6":[8,7,5,4,1,2]})

它会产生以下输出：

col1    col2    col3    col4    col5    col6
0     1       5      3       2        3       8
1     5       8      4       4        4       7
2     9       7      2       7        5       5
3     4       9      7       4        2       4
4     7       3      9       9        1       1
5     3       4      1       0        1       2

我想创建一个区分 col1 和 col2、col3 和 col4 以及 col5 和 col6 的新数据帧

预期输出如下所示：

col1-col2   col3-col4   col5-col6
0      -4           1           -5
1      -3           0           -3
2       2          -5            0
3      -5           3           -2
4       4           0            0
5      -1           1           -1

提前致谢

Answer 1

dfr = pd.DataFrame({'col1-col2': frame.col1 - frame.col2,
'col3-col4': frame.col3 - frame.col4,
'col5-col6': frame.col5 - frame.col6})

Answer 2

如果许多列使用通用解决方案 - 选择配对和取消配对列，转换为 numpy 数组并通过构造器创建新DataFrame：

#pandas 0.24+
arr = frame.iloc[:, ::2].to_numpy() - frame.iloc[:, 1::2].to_numpy()
#pandas below
#arr = frame.iloc[:, ::2].values - frame.iloc[:, 1::2].values
c = [f'{a}-{b}' for a, b in zip(frame.columns[::2], frame.columns[1::2])]
df = pd.DataFrame(arr, columns=c)
print (df)
col1-col2  col3-col4  col5-col6
0         -4          1         -5
1         -3          0         -3
2          2         -5          0
3         -5          3         -2
4          4          0          0
5         -1          1         -1

如果性能很重要，请先转换为 numpy 数组，存储为变量，然后编制索引：

#pandas 0.24+
arr = frame.to_numpy()
#pandas below
#arr = frame.values
c = [f'{a}-{b}' for a, b in zip(frame.columns[::2], frame.columns[1::2])]
df = pd.DataFrame(arr[:, ::2] - arr[:, 1::2], columns=c)

Answer 3

df = pd.DataFrame(frame.apply(lambda x: [x['col1']-x['col2'],x['col3']-x['col4'],x['col5']-x['col6']],axis=1).tolist())
df.rename({0:'col1-col2',1:'col3-col4',2:'col4-col5'},axis=1)

---

col1-col2  col3-col4  col4-col5
0         -4          1         -5
1         -3          0         -3
2          2         -5          0
3         -5          3         -2
4          4          0          0
5         -1          1         -1