熊猫：有条件选择列执行基于头另一列的计算

Question

我的数据框看起来是这样的：

(1, 2) (1, 3) (1, 4) (1, 5) (1, 6) (1, 7) (1, 8) (1, 9) (1, 10) (1, 11) ... 2 3 4 5 6 7 8 9 10 11 
0 0 1 0 1 1 1 1 0 1 0 ... 0.612544 0.727393 0.366578 0.631451 0.722980 0.772853 0.964982 0.549801 0.406692 0.798083 
1 0 0 0 0 0 0 0 0 0 0 ... 0.583228 0.698729 0.343934 0.602037 0.694230 0.745422 0.954682 0.521298 0.382381 0.771640 
2 1 0 0 1 0 1 1 0 0 0 ... 0.481291 0.593353 0.271028 0.498949 0.588807 0.641602 0.901779 0.424495 0.303309 0.669657 
3 1 1 0 1 0 1 1 0 0 1 ... 0.583228 0.698729 0.343934 0.602037 0.694230 0.745422 0.954682 0.521298 0.382381 0.771640 
4 0 0 0 1 1 1 1 1 1 1 ... 0.612544 0.727393 0.366578 0.631451 0.722980 0.772853 0.964982 0.549801 0.406692 0.798083 

在那里我有列标题与像(1, 2)和列标题是一个单一的元素，就像一个元组1。我想根据具有该元组的元素的列对元组列进行计算。例如，使用元组(1, 2)，我想要检索列1和2，将它们相乘，然后从列(1, 2)中减去结果。

，我认为的解决方案是创建执行从包含仅单个元件的列（例如1或2）第一计算（55）新的列，然后使用.where()做某种身份匹配的和all()报表。然而，这似乎相当计算效率低下，因为我会制作其他一组数据，而不是直接在元组列上执行计算。我会怎么做呢？

Answer 1

不知道这是更快的，但这里有一个解决方案，而无需其中（）/全部（）

import pandas as pd 


# create some sample data 
arr = [[1, 2, 3, 4, 5, 6, 7], 
     [7, 6, 5, 4, 3, 2, 1]] 
df = pd.DataFrame(arr, columns=[('a', 'b'), ('c','d'), ('a', 'd'), 'a', 'b', 'c', 'd']) 

# get all tuple headers 
tuple_columns = [col for col in df.columns if isinstance(col, tuple)] 

# put the results into a list of series and concat into a DataFrame 
results = pd.concat([df[col] - df[col[0]] * df[col[1]] for col in tuple_columns], axis=1) 

# rename the columns 
results.columns = tuple_columns