如何对Pandas Dataframe中名称匹配指定字符串的列求和并生成新列

核心实现（一行代码搞定） #

两种常用写法都基于Pandas向量化运算，执行效率远高于自定义逐行遍历逻辑：

写法1：正则匹配（适合复杂规则） #

使用filter方法配合正则筛选目标列，直接按行求和：
df['C_sum'] = df.filter(regex=r'^C_').sum(axis=1)

• 正则规则可按需自定义：比如r'_test$'匹配以_test结尾的列，r'xxx'匹配包含xxx的列
• axis=1指定按行计算，必须传入

写法2：字符串匹配（适合简单规则） #

如果只是前缀/后缀/包含这类简单匹配，用列名的str方法可读性更高：

# 前缀匹配
df['C_sum'] = df.loc[:, df.columns.str.startswith('C_')].sum(axis=1)
# 后缀匹配示例
# df['C_sum'] = df.loc[:, df.columns.str.endswith('_end')].sum(axis=1)
# 包含特定字符示例
# df['C_sum'] = df.loc[:, df.columns.str.contains('target')].sum(axis=1)

补充说明 #

• 两种实现都默认跳过空值NaN求和，如果需要遇到空值就返回空，可添加参数skipna=False，例：sum(axis=1, skipna=False)
• 面向百万行以上的大表也能保持很高的执行效率，不需要自行实现循环逻辑

测试示例 #

你可以用以下代码验证效果：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'A': [1,2,3],
    'B': [4,5,6],
    'C_1': [7,8,9],
    'C_2': [10,11,12],
    'C_3': [13,14,15],
    'C_x': [16,17,18]
})

# 新增C_sum列
df['C_sum'] = df.filter(regex=r'^C_').sum(axis=1)
print(df['C_sum'])
# 输出：
# 0    46
# 1    50
# 2    54
# Name: C_sum, dtype: int64

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