使用Python pandas按名称计算多列数据[英] Calculate multiple columns by names using python pandas

本文是小编为大家收集整理的关于使用Python pandas按名称计算多列数据的处理方法,想解了使用Python pandas按名称计算多列数据的问题怎么解决?使用Python pandas按名称计算多列数据问题的解决办法?那么可以参考本文帮助大家快速定位并解决问题。

问题描述

我有一个类似这样的数据框,

cat_A  cat_B  cat_C  cat_D  dog_A  dog_B  dog_C  dog_D
  3      2      4      1      9      8      10     6
 ...
 ...

我知道如何使用列名在列之间进行计算,例如

df['ratio_A'] = df['cat_A']/df['dog_A']

cat_A  cat_B  cat_C  cat_D  dog_A  dog_B  dog_C  dog_D  ratio_A
  3      2      4      1      9      8      10     6      3/9

但是当我尝试通过计算每个列来生成多个列时,还有其他更简单的方法来计算所有列并一次追加新列吗?而不是

df['ratio_B'] = df['cat_B']/df['dog_B']

df['ratio_C'] = df['cat_C']/df['dog_C']

df['ratio_D'] = df['cat_D']/df['dog_D']

当列长度变得非常大时,复制和粘贴将是很多冗长的代码.我是否需要创建 2 个列表,例如,

l1 = [cat_A, cat_B, cat_C, cat_D], l2= [dog_A, dog_B, dog_C, dog_D]

然后用for循环来实现?

推荐答案

IMO 在这里的一个好习惯是使用 MultiIndexes 而不是扁平列:

df.columns = pd.MultiIndex.from_tuples(map(tuple, df.columns.str.split('_')))
df
  cat          dog          
    A  B  C  D   A  B   C  D
0   3  2  4  1   9  8  10  6

此时,计算比率是非常简单的礼貌索引对齐.

df['cat'] / df['dog']
          A     B    C         D
0  0.333333  0.25  0.4  0.166667
<小时>
res =  df['cat'] / df['dog']
res.columns = pd.MultiIndex.from_product([['ratio'], res.columns])

pd.concat([df, res], axis=1)
  cat          dog               ratio                     
    A  B  C  D   A  B   C  D         A     B    C         D
0   3  2  4  1   9  8  10  6  0.333333  0.25  0.4  0.166667

本文地址:https://www.itbaoku.cn/post/1728159.html