python - 将同名 pandas 数据框列的值聚合到单列

Question

我有多个由标记化代码生成的 csv 文件。这些文件包含大写和小写的关键字。我想将所有这些文件合并到一个数据框中，其中包含所有小写的唯一值(求和)。您建议怎样才能得到下面的结果？

初始 DF:

+---+---+----+-----+
| a | b |  A |  B  |
+---+---+----+-----+
| 1 | 2 |  3 |   1 |
| 2 | 1 |  3 |   1 |
+---+---+----+-----+

结果

+---+---+
| a | b |
+---+---+
| 4 | 3 |
| 5 | 2 |
+---+---+

我无权访问创建 csv 文件的原始数据，因此无法在之前的步骤中更正此问题。目前，我已尝试将 .lower() 映射到我创建的数据帧标题，但它返回具有相同名称的单独列，如下所示:

使用 pandas 不是必需的。我想过将 csv 文件转换为字典，然后尝试上述过程(事实证明它比我想象的要复杂得多)，或者使用列表。此外，group by 并不能完成这项工作，因为它会删除不重复的列名。欢迎任何方法。

Answer 1

代码:

您可以遍历各列，对具有相同小写表示形式的列进行求和:

def sumDupeColumns(df):
    """Return dataframe with columns with the same lowercase spelling summed."""

    # Get list of unique lowercase column headers
    columns = set(map(str.lower, df.columns))
    # Create new (zero-initialised) dataframe for output
    df1 = pd.DataFrame(data=np.zeros((len(df), len(columns))), columns=columns)

    # Sum matching columns
    for col in df.columns:
        df1[col.lower()] += df[col]

    return df1

<小时/>

示例:

import pandas as pd
import numpy as np

np.random.seed(seed=42)

# Generate DataFrame with random int input and 'duplicate' columns to sum
df = pd.DataFrame(columns = ['a','A','b','B','Cc','cC','d','eEe','eeE','Eee'], 
                  data = np.random.randint(9, size=(5,10))

df = sumDupeColumns(df)

>>> print(df)

     d   eee   cc     a     b
0  6.0  14.0  8.0   9.0  11.0
1  7.0  10.0  5.0  14.0   7.0
2  3.0  14.0  8.0   5.0   8.0
3  3.0  17.0  7.0   8.0  12.0
4  0.0  11.0  9.0   5.0   9.0