如何在Pandas中对相邻列两两求和并生成结果列？

针对你670列、2856行的大数据集，推荐用Pandas向量化操作实现，避免循环带来的性能损耗，以下是两种可靠方案：

方案一：按列分组求和 #

利用列索引生成分组键，直接对列分组后求和，代码简洁且高效：

import pandas as pd
import numpy as np

# 生成分组键：每两列归为一组（0对应第1-2列，1对应第3-4列...）
group_keys = np.repeat(range(len(df.columns)//2), 2)[:len(df.columns)]
# 按分组键对列求和
result = df.groupby(group_keys, axis=1).sum()
# 重命名结果列（按原列名拼接，比如ID1+ID2→ID12）
result.columns = [f"{df.columns[2*i]}{df.columns[2*i+1]}" for i in range(len(result.columns))]

方案二：奇偶列直接相加 #

和你提供的R语言逻辑类似，直接选取奇数列和偶数列对应相加，逻辑更直观：

# 选取所有奇数位置的列（第1、3、5...列，索引从0开始）
cols_odd = df.iloc[:, ::2]
# 选取所有偶数位置的列（第2、4、6...列）
cols_even = df.iloc[:, 1::2]
# 两部分列对应相加
result = cols_odd.add(cols_even.values)
# 重命名列（可根据需求调整命名规则）
result.columns = [f"{col_left}{col_right}" for col_left, col_right in zip(cols_odd.columns, cols_even.columns)]

你的代码问题分析 #

你之前的循环代码之所以得不到预期结果，是因为：

• 先遍历行再遍历列，把所有求和结果按顺序append成了一维列表
• 最后转成DataFrame时，所有数据会被放到一列，而不是按行排列成多列
• 循环遍历行的方式对大数据集性能极差，完全没必要

示例验证 #

用你提供的示例数据测试：

df = pd.DataFrame(
    {"ID1": [0,0], "ID2": [1,0], "ID3": [0,1], "ID4": [1,1]},
    index=["First", "Second"]
)
# 用方案二执行后，结果如下：
        ID12  ID34
First      1     1
Second     0     2

完全符合预期输出。

内容的提问来源于stack exchange，提问作者Paulo Alvarez