如何用最Pythonic的方式按字典分组对DataFrame列求和？

原数据与需求 #

给定如下DataFrame和字典，需要生成新DataFrame：以字典的键为列名，每一列是原DataFrame中对应键值列表内列的行向求和。

原代码：

import pandas as pd
df = pd.DataFrame([[4,8,52,7,54],[0,20,2,21,35],[2,33,12,1,87]], columns = ['A', 'B', 'C', 'D', 'E'])
dic = {'x':['A','D'], 'y' : ['E'], 'z':['B','C']}

优雅解法 #

方法一：字典推导式直接构造（推荐）

这是最贴合Python风格的写法，利用字典推导式遍历字典的键值对，对指定列按行求和后直接生成新DataFrame：

new_df = pd.DataFrame({
    key: df[cols].sum(axis=1)
    for key, cols in dic.items()
})

方法二：列表推导式+pd.concat

如果需要更灵活的中间处理（比如添加额外操作），可以用列表推导式生成每个求和后的Series，再按列合并：

new_df = pd.concat(
    [df[cols].sum(axis=1).rename(key) for key, cols in dic.items()],
    axis=1
)

结果验证 #

两种方法生成的新DataFrame结果一致：

x   y   z
0  11  54  60
1  21  35  22
2   3  87  45

这两种写法都避免了冗余的显式循环，代码简洁且可读性强，完全符合Pythonic的设计理念。

内容的提问来源于stack exchange，提问作者Fred Dujardin