Pandas DataFrame 按条件批量新增列计算A与A_L列差值的方法
Pandas 批量生成差值衍生列实现方案
核心逻辑
无需逐列硬编码计算规则,通过统一的列名识别规则,自动匹配所有带L后缀的衍生列、关联对应同前缀基础列,批量生成符合规则的差值计算列。
通用实现方法
代码可自动适配后续新增的同命名规则列,无需手动调整计算逻辑:
- 遍历DataFrame全部列名,筛选出包含
_L标识的目标计算列 - 对每个目标列,通过字符串拆分提取所属基础列名(例如
A1_L1拆分得到对应基础列A1) - 按
原列名_new的规则命名新列,赋值为基础列与目标列的差值
可直接运行的代码
import pandas as pd # 初始化给定的DataFrame data = { "A1": [22,25,27,35], "A2": [23,54,71,52], "A3": [21,27,26,31], "A1_L1": [21,27,26,31], "A1_L2": [21,27,26,31], "A2_L1": [21,27,26,31], "A3_L1": [21,27,26,31], "A3_L2": [21,27,26,31], "A3_L3": [21,27,26,31] } df = pd.DataFrame(data, columns = ["A1", "A2","A3","A1_L1","A1_L2","A2_L1","A3_L1","A3_L2","A3_L3"]) # 批量生成计算列 for col in df.columns: if "_L" in col: base_col = col.split("_L")[0] df[f"{col}_new"] = df[base_col] - df[col]
复杂场景优化
如果后续列名规则更复杂,可将简单字符串拆分替换为正则精确匹配,避免误匹配:
import re for col in df.columns: # 精确匹配A+数字+_L+数字格式的列,提取对应基础列 match_res = re.match(r"(A\d+)_L\d+", col) if match_res: base_col = match_res.group(1) # 使用sub方法计算,支持缺失值填充 df[f"{col}_new"] = df[base_col].sub(df[col], fill_value=0)
使用sub方法计算时,可通过fill_value参数统一处理缺失值场景,避免空值导致的计算结果异常
内容的提问来源于stack exchange,提问作者Oscar Buchely
相关产品推荐
相关产品推荐

