如何在DataFrame中按前缀分组创建均值、最小值新列？

云上老周

2026-5-21

解决方法

没问题，这在pandas里有挺直观的实现方式，我给你两种实用思路，按需选择就行：

方法1：针对单个前缀手动生成（适合前缀少的情况）

如果你的前缀只有A1、B1这类少数几个，直接用filter筛选对应列再聚合就行，代码简单易懂：

import pandas as pd

# 假设你的DataFrame名为df
df['A1_Mean'] = df.filter(like='A1_').mean(axis=1)  # 所有A1开头列的行均值
df['A1_Min'] = df.filter(like='A1_').min(axis=1)    # 所有A1开头列的行最小值
df['B1_Mean'] = df.filter(like='B1_').mean(axis=1)
df['B1_Min'] = df.filter(like='B1_').min(axis=1)

filter(like='A1_')会精准筛选出列名包含A1_的所有列；
axis=1指定按行计算聚合值（默认axis=0是按列，这里我们需要每行的均值/最小值）。

方法2：批量处理所有前缀（适合前缀多的情况）

如果后续还有C1、D1这类更多前缀，手动写每个前缀太麻烦，可以用列名分组的方式批量生成：

import pandas as pd

# 1. 提取所有列名的前缀（比如把"A1_Factor1"拆成"A1"）
prefixes = df.columns.str.split('_').str[0]

# 2. 按前缀分组，批量计算均值和最小值
aggregated = df.groupby(prefixes, axis=1).agg(['mean', 'min'])

# 3. 重命名列，改成你需要的格式（比如"A1_mean"→"A1_Mean"）
aggregated.columns = [f'{prefix}_{func.capitalize()}' for prefix, func in aggregated.columns]

# 4. 把聚合结果合并回原DataFrame
df = pd.concat([df, aggregated], axis=1)

这种方法会自动识别所有前缀（比如A1、B1、C1），一次性生成所有前缀的Mean和Min列，扩展性很强。