通过从列表中获取列名来乘以数据框的列答案

【问题标题】：Multiply columns of a dataframe by getting the column names from a list通过从列表中获取列名来乘以数据框的列
【发布时间】：2019-03-07 19:30:58
【问题描述】：

我有一个数据框，其中有分类列和数值列。

data = [['A',"India",10,20,30,15,"Cochin"],['B',"India",10,20,30,40,"Chennai"],['C',"India",10,20,30,15,"Chennai"]]
df = pd.DataFrame(data,columns=['Product','Country',"2016 Total","2017 Total","2018 Total","2019 Total","Region"])

Product Country 2016 Total  2017 Total  2018 Total  2019 Total  Region
0   A   India   10           20          30          15         Cochin
1   B   India   10           20          30          40         Chennai
2   C   India   10           20          30          15         Chennai

我知道数值变量列的名称是什么（需要动态捕获）：

start_year = 2016
current_year = datetime.datetime.now().year
previous_year = current_year - 1 
print(current_year)

year_list = np.arange(start_year, current_year+1, 1)

cols_list = []
for i in year_list:
    if i <= current_year:
        cols = str(i)+" Total"
        cols_list.append(cols)
cols_list

['2016 年总计', '2017 年总计', '2018 年总计', '2019 年总计']

我正在尝试确定相乘时 cols_list 列中的值是否为负

如何在 pandas 中做到这一点？我无法弄清楚如何遍历 cols_list 并从数据框中提取列并相乘

预期输出：

Product Country 2016 Total  2017 Total  2018 Total  2019 Total  Region  Negative
    0   A   India   10           20          30          15     Cochin No
    1   B   India   10           20          30          40    Chennai No
    2   C   India   10           20          30          15    Chennai No

【问题讨论】：

标签： python-3.x pandas dataframe

【解决方案1】：

将numpy.where 与DataFrame.prod 和Series.lt 一起用于<0：

#solution with f-strings for get cols_list by year arange
cols_list = [f'{x} Total' for x in np.arange(start_year, current_year+1)]
print (cols_list)
['2016 Total', '2017 Total', '2018 Total', '2019 Total']

df['Negative'] = np.where(df[cols_list].prod(axis=1).lt(0), 'Yes', 'No')
print (df)
  Product Country  2016 Total  2017 Total  2018 Total  2019 Total   Region  \
0       A   India          10          20          30          15   Cochin   
1       B   India          10          20          30          40  Chennai   
2       C   India          10          20          30          15  Chennai   

  Negative  
0       No  
1       No  
2       No

【讨论】：

【解决方案2】：

您可以使用df.filter() 过滤具有Total 的列（与您的cols_list 类似的结果），然后使用df.prod() 而不是axis=1，然后使用s.map()：

df['Negative']=df.filter(like='Total').prod(axis=1).lt(0).map({True:'Yes',False:'No'})
print(df)

  Product Country  2016 Total  2017 Total  2018 Total  2019 Total   Region  \
0       A   India          10          20          30          15   Cochin   
1       B   India          10          20          30          40  Chennai   
2       C   India          10          20          30          15  Chennai   

  Negative  
0       No  
1       No  
2       No

【讨论】：

【解决方案3】：

试试这个：

df['Negative'] = df[cols_list].T.product().apply(lambda x: x < 0)

df[cols_list].T 将列转换为行。这样我们就可以将product 用于行（pandas 允许我们使用单个函数调用来完成）。

一步一步：

>>> t = df[cols_list].T
>>> t
       0   1   2
2016  10  10  10
2017  20  20  20
2018  30  30  30

>>> p = t.product()
>>> p
0    6000
1    6000
2    6000
dtype: int64

>>> neg = p.apply(lambda x: x < 0)
>>> neg
0    False
1    False
2    False
dtype: bool

【讨论】：