Python 3.x 基于dataframe中的其他列创建聚合列

我有一个数据帧，如下所示：

import pandas as pd 
import numpy as np
import datetime

# intialise data of lists. 
data = {'group'      :["A","A","B","B","B"],
        'A1_val'     :[4,5,7,6,5],
        'A1M_val'     :[10,100,100,10,1],
        'AB_val'     :[4,5,7,6,5],
        'ABM_val'     :[10,100,100,10,1],
        'AM_VAL'     : [4,5,7,6,5]
       } 

# Create DataFrame 
df1 = pd.DataFrame(data) 
df1

    group   A1_val  A1M_val AB_val  ABM_val AM_VAL
0   A       4       10      4       10       4
1   A       5       100     5       100      5
2   B       7       100     7       100      7
3   B       6       10      6       10       6
4   B       5       1       5       1        5

步骤1：我想创建如下列： A1_agg_val=A1_val+A1M_val之和（从列中去掉M，如果名称匹配，则求和）

同样，AB_agg_val=AB_val+ABM_val

由于“AM_VAL”没有匹配列，因此AM_agg_VAL=AM_VAL

My expected output:

    group   A1_val  A1M_val AB_val  ABM_val AM_VAL  A1_AGG_val  AB_AGG_val  A_AGG_val
0   A       4       10      4       10       4      14          14          4
1   A       5       100     5       100      5      105         105         5
2   B       7       100     7       100      7      107         107         7
3   B       6       10      6       10       6      16          16          6
4   B       5       1       5       1        5      6           6           5

---

您可以在轴=1上使用groupby

out = (df1.assign(**df1.loc[:,df1.columns.str.lower().str.endswith('_val')]
       .groupby(lambda x: x[:2],axis=1).sum().add_suffix('_agg_value')))

---

---

列的顺序是否总是如图所示？是的，在去掉始终位于最后位置的“M”后，它基本上应该检查两列是否相等。如果去掉M，如何取AM的agg值？@anky_91它实际上是一个_agg_值。更新了问题中的预期输出好的，您可以尝试以下操作：

c=df1.columns.str.lower（）.str.endswith（'u-val'）

：

c1=df1.columns[c].str.split（'u'）.str[0].str.strip（'M'）

：

df1.assign（**df1.loc[：，c.）.groupby（c1，axis=1，sort=False.sum（）。添加后缀（'u-agg-value'））

在3个单独的行中该计算只应在后缀为“\u val”的列上进行超级优雅@anky\u 91，使我发现

分配

。

print(out)

  group  A1_val  A1M_val  AB_val  ABM_val  AM_VAL  A1_agg_value  AB_agg_value  \
0     A       4       10       4       10       4            14            14   
1     A       5      100       5      100       5           105           105   
2     B       7      100       7      100       7           107           107   
3     B       6       10       6       10       6            16            16   
4     B       5        1       5        1       5             6             6   

   AM_agg_value  
0             4  
1             5  
2             7  
3             6  
4             5