基于列名的Python列计算：DataFrame新增差值列需求

以下是基于列名匹配的解决方案，用Pandas完成需求：

步骤说明 #

1. 分类并排序列：先提取所有LHA_和JH_开头的列，再按下划线后的数字编号排序，确保配对逻辑的正确性。
2. 计算差值并构建新列顺序：从第二个LHA列开始，对应前一个编号的JH列计算差值，同时按要求的顺序将原列和新差值列加入列顺序列表。
3. 重构DataFrame：用新的列顺序重新排列原DataFrame，得到最终结构。

代码示例 #

import pandas as pd

# 示例DataFrame（可替换为你的实际数据）
data = {
    'LHA_1': [10, 20, 30],
    'JH_1': [5, 6, 7],
    'LHA_2': [15, 25, 35],
    'JH_2': [8, 9, 10],
    'LHA_3': [20, 30, 40],
    'JH_3': [11, 12, 13],
    'LHA_4': [25, 35, 45],
    'JH_5': [14, 15, 16]
}
df = pd.DataFrame(data)

# 提取并按编号排序LHA、JH列
lha_cols = sorted([col for col in df.columns if col.startswith('LHA_')], 
                  key=lambda x: int(x.split('_')[1]))
jh_cols = sorted([col for col in df.columns if col.startswith('JH_')], 
                  key=lambda x: int(x.split('_')[1]))

# 初始化新列顺序列表
new_col_order = ['LHA_1', 'JH_1']

# 遍历配对计算差值，填充列顺序
for idx in range(1, len(lha_cols)):
    current_lha = lha_cols[idx]
    target_jh_idx = idx - 1  # LHA_n对应JH_{n-1}
    
    # 若没有对应JH列，直接添加当前LHA列
    if target_jh_idx >= len(jh_cols):
        new_col_order.append(current_lha)
        continue
    
    target_jh = jh_cols[target_jh_idx]
    # 添加当前LHA列
    new_col_order.append(current_lha)
    # 计算并添加差值列
    diff_col_name = f"{current_lha} - {target_jh}"
    df[diff_col_name] = df[current_lha] - df[target_jh]
    new_col_order.append(diff_col_name)
    # 添加对应编号的JH列（如果存在）
    if idx < len(jh_cols):
        new_col_order.append(jh_cols[idx])

# 补充未加入的剩余JH列
for jh_col in jh_cols:
    if jh_col not in new_col_order:
        new_col_order.append(jh_col)

# 按新顺序重构DataFrame
df = df[new_col_order]

print(df)

运行后输出的DataFrame会完全符合你要求的格式：LHA_1 → JH_1 → LHA_2 → LHA_2-JH_1 → JH_2 → LHA_3 → LHA_3-JH_2 → JH_3 → LHA_4 → JH_5...

内容的提问来源于stack exchange，提问作者Connie Xu