### 使用 Pandas 处理 DataFrame 并按列名首字母分组 在 Python 的 Pandas 库中，可以通过字符串方法提取列名的首字符并对其进行分组。随后可以针对每一组执行特定的操作。以下是实现这一目标的具体方式： #### 提取列名首字符 Pandas 支持通过 `str` 属性访问列名中的字符串属性。利用此功能可以从列名中提取第一个字符。 ```python import pandas as pd # 创建示例数据框 data = { 'a_value': [1, 2, 3], 'b_score': [4, 5, 6], 'c_result': [7, 8, 9], 'a_count': [10, 11, 12], 'b_total': [13, 14, 15] } df = pd.DataFrame(data) # 获取列名及其首字符 first_char_groups = df.columns.str[0] print(first_char_groups) ``` 以上代码会返回一个索引对象，其中包含各列名称的第一个字符[^1]。 --- #### 按首字符分组 为了进一步操作这些分组后的列，可以使用 `groupby()` 方法基于首字符对列进行分类。 ```python # 对列名按照首字符分组 column_group_dict = {char: list(cols) for char, cols in df.groupby(first_char_groups, axis=1)} print(column_group_dict) ``` 这段代码创建了一个字典，键为列名的首字符，值为对应于该首字符的所有列名列表[^1]。 --- #### 针对每行值进行操作 一旦完成分组，就可以遍历每个分组并对它们应用自定义函数。例如，计算每组内所有数值的总和或平均值。 ```python def process_row_values(grouped_cols): result = {} for key, col_list in grouped_cols.items(): # 计算每组内的行求和作为例子 result[key] = df[col_list].sum(axis=1) return pd.DataFrame(result) processed_df = process_row_values(column_group_dict) print(processed_df) ``` 在此示例中，我们定义了一个名为 `process_row_values` 的函数来处理每个分组的数据，并将其转换回一个新的 DataFrame 结构[^1]。 --- #### 完整代码示例 综合上述步骤，完整的解决方案如下所示： ```python import pandas as pd # 构建测试用 DataFrame data = { 'a_value': [1, 2, 3], 'b_score': [4, 5, 6], 'c_result': [7, 8, 9], 'a_count': [10, 11, 12], 'b_total': [13, 14, 15] } df = pd.DataFrame(data) # 提取列名首字符用于分组 first_char_groups = df.columns.str[0] # 将具有相同首字符的列归类到一起 column_group_dict = {char: list(cols) for char, cols in df.groupby(first_char_groups, axis=1)} # 自定义行级运算逻辑 (这里以求和为例) def process_row_values(grouped_cols): result = {} for key, col_list in grouped_cols.items(): result[key] = df[col_list].sum(axis=1) return pd.DataFrame(result) # 执行行级运算并将结果存入新 DataFrame 中 result_df = process_row_values(column_group_dict) print(result_df) ``` 运行上面脚本将会得到一个新表，其结构反映了原始表格里依据列名首个字母划分出来的各类别汇总情况。 ---