可變列數的熊貓總和

Question

我有一個像這樣的熊貓數據框 -

Time    1 A    2 A     3 A     4 A     5 A    6 A    100 A
    5    10     4       6       6       4      6      4
    3    7      19      2       7       7      9      18
    6    3      6       3       3       8      10     56
    2    5      9       1       1       9      12     13

Time列給了我需要總結的A列的數量。所以輸出看起來像這樣 -

 Time   1 A    2 A     3 A     4 A     5 A    6 A    100 A    Total
    5    10     4       6       6       4      6      4         30
    3    7      19      2       7       7      9      18        28
    6    3      6       3       3       8      10     56        33
    2    5      9       1       1       9      12     13        14

換句話說，當Time列的值為3時，應將1A, 2A and 3A相加1A, 2A and 3A Time列的值為5時，應將1A, 2A, 3A, 4A and 5A相加

注意：在As之間還有其他列。 所以我不能用簡單的索引來求和。

非常感謝在尋找解決方案方面的任何幫助。

Answer 1

使用 numpy - 想法是將np.arange創建的np.arange與列的長度進行比較，其中Time列轉換為索引並廣播到 2d 掩碼，通過numpy.where和 last sum獲取匹配值：

df1 = df.set_index('Time')
m = np.arange(len(df1.columns)) < df1.index.values[:, None]
df['new'] = np.where(m, df1.values, 0).sum(axis=1)
print (df)
   Time  1 A  2 A  3 A  4 A  5 A  6 A  100 A  new
0     5   10    4    6    6    4    6      4   30
1     3    7   19    2    7    7    9     18   28
2     6    3    6    3    3    8   10     56   33
3     2    5    9    1    1    9   12     13   14

詳情：

print (df1)
      1 A  2 A  3 A  4 A  5 A  6 A  100 A
Time                                     
5      10    4    6    6    4    6      4
3       7   19    2    7    7    9     18
6       3    6    3    3    8   10     56
2       5    9    1    1    9   12     13

print (m) 
[[ True  True  True  True  True False False]
 [ True  True  True False False False False]
 [ True  True  True  True  True  True False]
 [ True  True False False False False False]]

print (np.where(m, df1.values, 0))
[[10  4  6  6  4  0  0]
 [ 7 19  2  0  0  0  0]
 [ 3  6  3  3  8 10  0]
 [ 5  9  0  0  0  0  0]]

Answer 2

嘗試：

df['total'] = df.apply(lambda x: sum([x[i+1] for i in range(x['Time'])]), axis=1)