Python 使用带有通用后缀的变量名在Pandas中工作

我的大部分数据工作都是在SAS中完成的，但需要在特定的项目中使用python（我不是很擅长python）。我有这样一个数据帧：

    values = ['a_us', 'b_us', 'c_us', 'a_ww','b_ww','c_ww']
    df = pd.DataFrame(np.random.rand(1, 6), columns=values[:6])

我需要做的一件事是计算a、b和c公司的美国与WW的比率。我知道如何在python中实现这一点——我只为每家公司实现这一点：

    df['*company*_ratio'] = df['*company*_us']/df['*company*_ww']

但是，如果不写出每个等式，我怎么能做到这一点呢？我在想我能做点什么

    for x in [a,b,c]:

或者我可以定义一个函数。然而，我不知道如何实现这两个选项，甚至不知道搜索什么来找到答案（我确信以前有人问过）。在SAS中，我只需编写一个宏来填充公司

谢谢。

您可以首先通过以下方式按列的第一个字符查找值：

或者，如果列是按

。

（更适合于实际数据），则使用第一个子字符串

比较：

import pandas as pd
import numpy as np

np.random.seed(0)
values = ['a_us', 'b_us', 'c_us', 'a_ww','b_ww','c_ww']
df = pd.DataFrame(np.random.rand(1, 6), columns=values[:6])

df['a_ratio'] = df['a_us']/df['a_ww']
df['b_ratio'] = df['b_us']/df['b_ww']
df['c_ratio'] = df['c_us']/df['c_ww']
print df
       a_us      b_us      c_us      a_ww      b_ww      c_ww   a_ratio  \
0  0.548814  0.715189  0.602763  0.544883  0.423655  0.645894  1.007213   

    b_ratio   c_ratio  
0  1.688142  0.933223  

同：

import pandas as pd
import numpy as np

np.random.seed(0)
values = ['a_us', 'b_us', 'c_us', 'a_ww','b_ww','c_ww']
df = pd.DataFrame(np.random.rand(1, 6), columns=values[:6])

for x in df.columns.str[0].unique():
    df[x + '_ratio'] = df[x+'_us']/df[x+'_ww']
print df
       a_us      b_us      c_us      a_ww      b_ww      c_ww   a_ratio  \
0  0.548814  0.715189  0.602763  0.544883  0.423655  0.645894  1.007213   

    b_ratio   c_ratio  
0  1.688142  0.933223  

你应该使用多重索引

您应该阅读本节，但您的具体案例可以是：

df = pandas.DataFrame(np.random.rand(10, 6), columns=pandas.MultiIndex.from_product([['us', 'ww'], ['a', 'b', 'c']]))

ratio = df['us']/ df['ww']

---

结果是一个包含3列a、b、c的数据帧，3个要求的比率

我相信有人会给出一个更好/更聪明的方法，所以我将把循环作为注释：

对于[“a”、“b”、“c”]中的x:df[x+'\u比率]=df[x+'\u-us']/df[x+'\u-ww']

（注意，a、b和c不是变量，所以您需要

）除了我的答案——如果你只有一行，你可能应该重新构造数据，使a，b，c是行，ww，us是列——计算要简单得多。使用
值[：6]有什么特别的原因吗
？只要使用
值，您就会得到完全相同的结果。感谢所有人的回复——它们非常有用。@MattDMo，您是对的：[:6]是不必要的。直到您指出这一点，我才意识到这一点——谢谢。我会对集合中的x使用
（c.split（'.'）[0]表示df.columns.tolist（）中的c）
相反，因为真实的公司名称很可能有不止一个字符是的，你是对的，所以我添加了基于
拆分的第二个解决方案。谢谢你的建议。
import pandas as pd
import numpy as np

np.random.seed(0)
values = ['a_us', 'b_us', 'c_us', 'a_ww','b_ww','c_ww']
df = pd.DataFrame(np.random.rand(1, 6), columns=values[:6])

for x in df.columns.str[0].unique():
    df[x + '_ratio'] = df[x+'_us']/df[x+'_ww']
print df
       a_us      b_us      c_us      a_ww      b_ww      c_ww   a_ratio  \
0  0.548814  0.715189  0.602763  0.544883  0.423655  0.645894  1.007213   

    b_ratio   c_ratio  
0  1.688142  0.933223  

df = pandas.DataFrame(np.random.rand(10, 6), columns=pandas.MultiIndex.from_product([['us', 'ww'], ['a', 'b', 'c']]))

ratio = df['us']/ df['ww']