3 回答
TA贡献1821条经验 获得超6个赞
尝试
s = df.filter(like='val')
df = pd.concat([df.drop(s.columns,1),s.add_suffix('_0'),s.add_suffix('_1')],axis=1)
df
Out[106]:
key1 key2 key3 val1_0 val2_0 ... valn_0 val1_1 val2_1 val3_1 valn_1
0 a b c 1 2 ... NaN 1 2 3 NaN
[1 rows x 11 columns]
TA贡献1847条经验 获得超11个赞
最简单的方法是迭代你的列,检查它是否是数字并复制它。
import pandas as pd
from pandas.api.types import is_numeric_dtype
df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': [1.0, 2.0, 3.0]})
columns = df.columns
for col in columns:
if is_numeric_dtype(df[col]):
df[col + '_1'] = df[col]
print(df.columns)
>> ['A','B','B_0']
TA贡献2012条经验 获得超12个赞
从 df.columns 中获取所有列名。然后进行字符串操作,例如添加 df 列名称独有的内容。然后循环遍历分配部分中的新列名并将旧列分配给它。
伪代码
for x in df.columns:
df[x+"new"] =df[x]
添加回答
举报