pandas dataframe中以相同字符串开头的列的求和值
pandas dataframe中以相同字符串开头的列的求和值
提问于 2016-03-02 20:09:34
我有一个大约有100列的数据帧，如下所示：
Id Economics-1 English-107 English-2 History-3 Economics-zz Economics-2 \
0 56 1 1 0 1 0 0
1 11 0 0 0 0 1 0
2 6 0 0 1 0 0 1
3 43 0 0 0 1 0 1
4 14 0 1 0 0 1 0
Histo Economics-51 Literature-re Literatureu4
0 1 0 1 0
1 0 0 0 1
2 0 0 0 0
3 0 1 1 0
4 1 0 0 0我的目标是只留下全局类别--英语、历史、文学--并在这个数据框中分别写出它们组成部分的值的总和。例如，"English“将是"English-107”和“English-2”的和：
Id Economics English History Literature
0 56 1 1 2 1
1 11 1 0 0 1
2 6 0 1 1 0
3 43 2 0 1 1
4 14 0 1 1 0为此，我尝试了两种方法。第一种方法：
df = pd.read_csv(file_path, sep='\t')
df['History'] = df.loc[df[df.columns[pd.Series(df.columns).str.startswith('History')]].sum(axes=1)]第二种方法：
df = pd.read_csv(file_path, sep='\t')
filter_col = [col for col in list(df) if col.startswith('History')]
df['History'] = 0 # initialize value, otherwise throws KeyError
for c in df[filter_col]:
df['History'] = df[filter_col].sum(axes=1)
print df['History', df[filter_col]]但是，两者都会给出错误：
我的问题要么是:我如何调试这个错误，要么是我的问题有其他解决方案。注意，我有一个相当大的数据帧，大约有400000行和100列，所以我正在寻找一种优化的解决方案，比如使用
在熊猫身上。
回答 3
Stack Overflow用户
回答已采纳
发布于 2016-03-02 20:19:38
我建议您做一些不同的事情，那就是执行转置，按行(原始列)的前缀分组，求和，然后再次转置。
请考虑以下几点：
df = pd.DataFrame({
'a_a': [1, 2, 3, 4],
'a_b': [2, 3, 4, 5],
'b_a': [1, 2, 3, 4],
'b_b': [2, 3, 4, 5],
})现在
[s.split('_')[0] for s in df.T.index.values]是列的前缀。所以
>>> df.T.groupby([s.split('_')[0] for s in df.T.index.values]).sum().T
a b
0 3 3
1 5 5
2 7 7
3 9 9做你想做的。
对于您的情况，请确保使用
性格。
Stack Overflow用户
发布于 2016-03-02 20:45:24
使用brilliant DSM的想法：
from __future__ import print_function
import pandas as pd
categories = set(['Economics', 'English', 'Histo', 'Literature'])
def correct_categories(cols):
return [cat for col in cols for cat in categories if col.startswith(cat)]
df = pd.read_csv('data.csv', sep=r'\s+', index_col='Id')
#print(df)
print(df.groupby(correct_categories(df.columns),axis=1).sum())输出：
Economics English Histo Literature
Id
56 1 1 2 1
11 1 0 0 1
6 1 1 0 0
43 2 0 1 1
14 1 1 1 0这是另一个版本，它解决了"Histo/History“的问题。
from __future__ import print_function
import pandas as pd
#categories = set(['Economics', 'English', 'Histo', 'Literature'])
#
# mapping: common starting pattern: desired name
#
categories = {
'Histo': 'History',
'Economics': 'Economics',
'English': 'English',
'Literature': 'Literature'
}
def correct_categories(cols):
return [categories[cat] for col in cols for cat in categories.keys() if col.startswith(cat)]
df = pd.read_csv('data.csv', sep=r'\s+', index_col='Id')
#print(df.columns, len(df.columns))
#print(correct_categories(df.columns), len(correct_categories(df.columns)))
#print(df.groupby(pd.Index(correct_categories(df.columns)),axis=1).sum())
rslt = df.groupby(correct_categories(df.columns),axis=1).sum()
print(rslt)
print('History\n', rslt['History'])输出：
Economics English History Literature
Id
56 1 1 2 1
11 1 0 0 1
6 1 1 0 0
43 2 0 1 1
14 1 1 1 0
History
Id
56 2
11 0
6 0
43 1
14 1
Name: History, dtype: int64PS您可能想要将缺少的类别添加到
地图/字典
Stack Overflow用户
发布于 2021-03-01 21:43:33
您可以使用它们来创建以特定名称开头的列的总和，
df['Economics']= df[list(df.filter(regex='Economics'))].sum(axis=1)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/35746847
复制相关文章
相似问题
腾讯云开发者
