合併多個列的數據幀

Question

我有40列（列0至39），一個數據幀，我想他們四人組在一個時間：

import numpy as np 
import pandas as pd 
df = pd.DataFrame(np.random.binomial(1, 0.2, (100, 40))) 

---

new_df["0-3"] = df[0] + df[1] + df[2] + df[3] 
new_df["4-7"] = df[4] + df[5] + df[6] + df[7] 
... 
new_df["36-39"] = df[36] + df[37] + df[38] + df[39] 

我能做到這一點在一個單獨的陳述中（或者比單獨彙總它們更好的方式）？新DataFrame中的列名稱並不重要。

Answer 1

我不知道這是否是最好的一段路要走，但我最終使用多指標：

df.columns = pd.MultiIndex.from_product((range(10), range(4))) 
new_df = df.groupby(level=0, axis=1).sum() 

更新：可能是因爲指數的，這是比其它更快。如果考慮構建索引的時間，可以更快地完成df.groupby(df.columns//4, axis=1).sum()。但是，索引更改是一次性操作，我更新了df並將總和數千次，因此使用MultiIndex對我來說速度更快。

Answer 2

您可以選擇出行和總和在行軸上，就像這樣。

df['0-3'] = df.loc[:, 0:3].sum(axis=1) 

幾件事情要注意：

1. 總結這樣會忽略數據缺失而df[0] + df[1] ...傳播它。如果您想要這種行爲，請通過skipna=False。
2. 不一定有任何性能優勢，實際上可能會慢一點。

Answer 3

考慮一個列表理解：

df = # your data 
df_slices = [df.iloc[x:x+4] for x in range(10)] 

或者更一般

df_slices = [df.iloc[x:x+4] for x in range(len(df.columns)/4)] 

Answer 4

這裏的另一種方式來做到這一點：

new_df = df.transpose() 
new_df['Group'] = new_df.index/4 
new_df = new_df.groupby('Group').sum().transpose() 

注意，分頻操作這裏是integer division ，而不是浮點分割。