Pandas如何不指定列名对多列批量运算并生成新列

原代码报错原因 #

• 列名生成逻辑错误：range(len(df.columns))默认从0开始计数，第一次循环生成的列名是A0，和数据集实际存在的A1起始列名不匹配，触发KeyError
• 存在多处笔误：定义的函数名为construct_matrix，调用时写成了matrix_constructor；最后打印的变量为未定义的df_read，和实际读取数据存储的df变量名不一致

推荐实现（向量化运算，性能最优） #

不需要逐列手写公式，也不需要显式写循环，利用pandas原生的整表向量化计算即可，运行效率远高于逐列循环，代码也更简洁。

• 如果你的DataFrame中只有A1~A120需要参与计算的列，无其他无关列，直接用如下代码：

import pandas as pd

df = pd.read_csv('sample.csv')
# 对所有值做平方减自身计算，再按行求和赋值给新列
df['calc'] = (df ** 2 - df).sum(axis=1)

• 如果DataFrame中存在其他不需要参与计算的列，可以先筛选目标列再运算，避免无关值干扰结果：

import pandas as pd

df = pd.read_csv('sample.csv')
# 筛选所有列名以A开头加数字格式的目标列
target_columns = df.columns[df.columns.str.match(r'^A\d+$')]
df['calc'] = (df[target_columns] ** 2 - df[target_columns]).sum(axis=1)

参数说明：sum(axis=1)指定按行方向做求和，即对每一行所有列的计算结果加总，完全匹配你需要的计算规则。

修正后的循环写法（仅作参考，不推荐生产环境使用） #

如果要保留原循环逻辑，修正索引偏移和笔误问题后也可正常运行，但数据量较大时性能会明显差于向量化方案：

import pandas as pd

df = pd.read_csv('sample.csv')

def construct_matrix():
    temp_sumsqc = 0
    # 索引从1开始，匹配A1~A120的列名规则
    for i in range(1, len(df.columns) + 1):
        col_name = f'A{i}'
        temp_sumsqc += df[col_name] ** 2 - df[col_name]
    df["calc"] = temp_sumsqc

# 统一变量名和函数名
construct_matrix()
print(df.to_string())

内容的提问来源于stack exchange，提问作者Archibald