本文将详细介绍如何使用Pandas高效地根据一个字典来聚合DataFrame的列。该字典定义了新的列名及其对应的原始DataFrame列列表。我们将探讨两种Pythonic且高效的方法：一种利用`groupby(axis=1)`进行列分组求和，另一种则通过转置DataFrame来适应新版Pandas中`groupby`行为的变化，确保解决方案的兼容性和性能。
在数据分析和处理中，我们经常需要根据特定的规则对DataFrame的列进行组合或聚合。一个常见的场景是，我们有一个DataFrame和一份映射字典，字典的键是新的列名，值是需要聚合的原始DataFrame列名的列表。例如，如果字典中’x’: [‘A’, ‘D’]，则新的DataFrame中的’x’列应该是原始DataFrame中’A’和’D’列的行级和。本教程将展示如何以Pandas的惯用方式（Pythonic）实现这一目标，避免使用低效的循环。
示例数据准备
首先，我们创建用于演示的DataFrame和映射字典：
import pandas as pddf = pd.DataFrame([[4, 8, 52, 7, 54], [0, 20, 2, 21, 35], [2, 33, 12, 1, 87]], columns=['A', 'B', 'C', 'D', 'E'])dic = {'x': ['A', 'D'], 'y': ['E'], 'z': ['B', 'C']}print("原始DataFrame:")print(df)print("n映射字典:")print(dic)
原始DataFrame df 如下：
A B C D E0 4 8 52 7 541 0 20 2 21 352 2 33 12 1 87
我们的目标是生成一个新DataFrame，其中包含 x, y, z 三列，分别对应 (A+D), (E), (B+C) 的行级和。
方法一：利用 rename 和 groupby(axis=1)
这种方法的核心思想是：首先创建一个“逆向”字典，将原始列名映射到它们应该归属的新列名。然后，利用 df.rename() 临时性地将DataFrame的列名修改为这些新的聚合组名。最后，通过 groupby(level=0, axis=1).sum() 对具有相同新列名的列进行分组求和。
创建逆向字典 d2:这个字典将原始列名作为键，新的聚合列名作为值。例如，’A’ 应该映射到 ‘x’，’D’ 也应该映射到 ‘x’。
d2 = {v: k for k, l in dic.items() for v in l}print("n逆向字典 d2:")print(d2)
输出 d2：
{'A': 'x', 'D': 'x', 'E': 'y', 'B': 'z', 'C': 'z'}
重命名列并分组求和:使用 df.rename(columns=d2) 将 df 的列名根据 d2 进行重命名。例如，列 A 和 D 都会被重命名为 x。然后，groupby(level=0, axis=1).sum() 会沿着列方向（axis=1）对具有相同名称的列进行分组，并计算它们的和。level=0 在这里是默认值，表示按列名本身进行分组。
out_method1 = df.rename(columns=d2).groupby(level=0, axis=1).sum()print("n方法一结果:")print(out_method1)
输出结果：
x y z0 11 54 601 21 35 222 3 87 45
这里的 x 列是 A+D 的和 (4+7=11, 0+21=21, 2+1=3)，y 列是 E 的值，z 列是 B+C 的和 (8+52=60, 20+2=22, 33+12=45)。
方法二：利用转置 (.T) 和 groupby (适用于新版Pandas)
在某些较新版本的Pandas中，直接在 groupby 中使用 axis=1 可能会被弃用。为了保持兼容性并提供另一种高效的解决方案，我们可以利用DataFrame的转置操作。
创建逆向字典 d2:这一步与方法一相同，因为我们需要相同的映射关系。
d2 = {v: k for k, l in dic.items() for v in l}
转置、重命名、分组求和并再次转置:
df.T: 将DataFrame转置，原始列变为索引，原始索引变为列。.rename(d2): 此时 d2 会作用于转置后DataFrame的索引（即原始的列名）。这样，原始列 A, D 对应的索引都会被重命名为 x。.groupby(level=0).sum(): 对转置后DataFrame的索引（现在是新的聚合组名）进行分组求和。.T: 再次转置，将结果恢复到原始的行/列布局。
out_method2 = df.T.rename(d2).groupby(level=0).sum().Tprint("n方法二结果:")print(out_method2)
输出结果与方法一相同：
x y z0 11 54 601 21 35 222 3 87 45
注意事项与总结
Pythonic与效率: 这两种方法都避免了显式循环，利用了Pandas底层的优化C/Cython实现，因此在大规模数据集上表现出更高的效率。灵活性: 这种模式非常灵活，不仅限于求和，还可以用于其他聚合操作（如 mean, max, min 等），只需将 .sum() 替换为相应的聚合函数即可。版本兼容性: 方法一在多数Pandas版本中都有效，但方法二提供了对未来版本更强的兼容性，以防 groupby(axis=1) 被完全弃用。建议在生产环境中使用方法二。字典理解: d2 = {v: k for k, l in dic.items() for v in l} 是一个高效且简洁的字典理解，用于反转和扁平化字典结构。
通过上述方法，我们可以优雅且高效地根据自定义的字典映射关系来聚合DataFrame的列，这在数据清洗、特征工程等场景中非常实用。掌握这些Pandas技巧将显著提升数据处理的效率和代码的可读性。
以上就是利用Pandas按字典映射聚合DataFrame列的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1378411.html
微信扫一扫 
支付宝扫一扫 
