如何在pandas中对同前缀不同日期后缀的列分组逐行求和

实现方案 #

直接使用pandas的列分组聚合即可，无需手动指定列名，自动适配任意数量的前缀组、任意列排序，执行效率很高。

步骤1：导入依赖包 #

import pandas as pd
import re

步骤2：定义列名前缀提取规则 #

根据你提到的「仅后缀为日期标识」的列名规则，通过正则移除列名末尾的日期后缀，得到分组用的基础列名：

def get_base_col(col_name):
    # 正则匹配末尾的_+yyyy-mm-dd格式日期及后续字符，可根据你实际的日期后缀格式调整正则规则
    return re.sub(r'_\d{4}-\d{2}-\d{2}.*$', '', col_name)

步骤3：按列分组求和 #

直接对列维度按提取的基础列名分组，按行求和即可得到结果：

# 假设你的原始DataFrame变量名为df
result = df.groupby(get_base_col, axis=1).sum()

效果验证 #

针对你给出的示例数据，执行后得到的result结构完全符合预期：

补充说明 #

• 如果有多个不同前缀的列组（比如同时存在total_customer、total_order等多组列），代码会自动对所有组分别求和，无需额外调整
• 若你的日期后缀格式不是yyyy-mm-dd，只需修改get_base_col函数里的正则规则即可，比如后缀是8位数字日期的话，正则改为r'_\d{8}.*$'
• 该方案对几百组列的处理效率极高，不会出现性能问题

内容的提问来源于stack exchange，提问作者titu84hh