如何合并pandas dataframe中带数字后缀的重复同国家列并逐行求和
Pandas 合并带数字后缀的同国家列、逐行求和实现方案
实现思路
将列名末尾带.1/.2这类数字后缀的列做归一化处理,按统一的国家名分组,对每组内的所有列执行逐行求和,最终生成每国对应单列、无重复列名的整合数据表。
核心代码实现
假设你待处理的DataFrame变量名为df,直接运行以下代码即可完成合并:
import pandas as pd import re # 去除列名末尾的 .数字 后缀,生成分组键 # 例如:Australia.2 -> Australia, United Kingdom.1 -> United Kingdom col_group_key = df.columns.str.replace(r"\.\d+$", "", regex=True) # 转置后按分组键逐行求和,再转置回原维度 merged_df = df.T.groupby(col_group_key).sum(numeric_only=True).T
运行效果验证
举个实际场景的运行效果示例:
原表结构:
| Australia | Australia.1 | Australia.2 | United States | United States.1 |
|---|---|---|---|---|
| 1 | 2 | 3 | 10 | 20 |
| 5 | NaN | 1 | NaN | 5 |
代码运行后得到的整合表:
| Australia | United States |
|---|---|
| 6 | 30 |
| 6 | 5 |
完全匹配逐行求和、单国单列的需求。
可调整的细节
- 如果表中存在非数值类型的文本列,上述代码中
numeric_only=True参数会自动跳过非数值列的分组计算,避免出现类型报错 - 如果需要对组内缺失值做特殊处理,可以按需替换求和逻辑:
# 缺失值全按0计算后求和 merged_df = df.T.groupby(col_group_key).apply(lambda x: x.fillna(0).sum()).T
内容的提问来源于stack exchange,提问作者hbstha123
相关产品推荐
相关产品推荐

