如何对DataFrame中增量命名的列应用公式运算？

嘿，这个需求太常见了，完全不用手动敲15个列名，给你几个高效的方案，适配不同的场景：

• 方案一：基于列名前缀筛选+拆分提取乘数
  如果你所有目标列都是以A_开头的，先筛选出这些列，再从列名里拆分出后面的数字作为乘数，最后做加权求和：

  import pandas as pd
  
  # 假设你的DataFrame名为df
  # 筛选所有以"A_"开头的列
  target_cols = [col for col in df.columns if col.startswith('A_')]
  # 从列名中提取乘数（比如A_3提取出3）
  multipliers = [int(col.split('_')[1]) for col in target_cols]
  # 计算加权和并添加为新列
  df['weighted_sum'] = df[target_cols].mul(multipliers).sum(axis=1)
  

  这个方法的好处是自动适配所有符合命名规则的列，哪怕以后列数从15变20，代码也不用改。

• 方案二：正则匹配提取乘数（更严谨）
  如果担心有其他类似命名的列干扰（比如A_100或者B_1），可以用正则表达式精准匹配列名，再提取乘数：

  # 用正则匹配A_加数字的列
  target_cols = df.columns[df.columns.str.match(r'^A_\d+$')]
  # 提取列名中的数字部分并转为整数
  multipliers = target_cols.str.extract(r'A_(\d+)', expand=False).astype(int)
  # 加权求和
  df['weighted_sum'] = df[target_cols].mul(multipliers, axis=1).sum(axis=1)
  

  正则匹配能确保只选中你需要的列，避免误操作。

• 方案三：直接生成列名（列名连续时用）
  如果你确定列是严格从A_1到A_15连续命名的，直接生成列名列表更简单：

  # 生成A_1到A_15的列名
  target_cols = [f'A_{i}' for i in range(1, 16)]
  # 乘数就是1到15的整数
  multipliers = list(range(1, 16))
  # 计算结果
  df['weighted_sum'] = df[target_cols].mul(multipliers).sum(axis=1)
  

  这个代码最简洁，适合列名完全连续的场景。

不管用哪个方法，都能避免手动列写15个列名，而且扩展性拉满～

内容的提问来源于stack exchange，提问作者danie