Создание новых столбцов данных из существующих имен столбцов данных данных

Question

У меня есть dataframe (stockData), который имеет данные запаса для трех разных типов данных (индексированных по дате), это LAST, VOLUME, MKTCAP.

здесь глава dataframe (stockData)

      BBG.XLON.BTA.S_LAST BBG.XLON.BTA.S_VOLUME BBG.XLON.BTA.S_MKTCAP \ 
date                    
2001-01-02     572    26605510    37494.60 
2001-01-03     560    24715470    36708.00 
2001-01-04     613    52781855    40182.15 
2001-01-05     630    56600152    41296.50 
2001-01-08     633    41014402    41493.15 

      BBG.XLON.VOD.S_LAST BBG.XLON.VOD.S_VOLUME BBG.XLON.VOD.S_MKTCAP 
date                   
2001-01-02     NaN     NaN     NaN 
2001-01-03    225.00    444328736   145216.0020 
2001-01-04    239.00    488568000   154251.6643 
2001-01-05    242.25    237936704   156349.2288 
2001-01-08    227.75    658059776   146990.8642 

Есть ли способ, чтобы принять одно из этих полей для всех запасов создать новый набор столбцов из этих данных с новыми сообщениями затруднительного (_HOLIDAY), поэтому я получаю:

   BBG.XLON.BTA.S_LAST BBG.XLON.BTA.S_VOLUME BBG.XLON.BTA.S_MKTCAP BBG.XLON.BTA.S_HOLIDAY \ 
date                    
2001-01-02     572    26605510    37494.60     NaN 
2001-01-03     560    24715470    36708.00     NaN 
2001-01-04     613    52781855    40182.15     NaN 
2001-01-05     630    56600152    41296.50     NaN 
2001-01-08     633    41014402    41493.15     NaN 

      BBG.XLON.VOD.S_LAST BBG.XLON.VOD.S_VOLUME BBG.XLON.VOD.S_MKTCAP BBG.XLON.VOD.S_HOLIDAY 
date                   
2001-01-02     NaN     NaN     NaN     NaN 
2001-01-03    225.00    444328736   145216.0020     NaN 
2001-01-04    239.00    488568000   154251.6643     NaN 
2001-01-05    242.25    237936704   156349.2288     NaN 
2001-01-08    227.75    658059776   146990.8642     NaN 

Любая помощь будет очень признательна.

Answer 1

является то, что вы хотите?

In [56]: newcols = df.columns.str.replace(r'\.S_.*','.S_HOLIDAY').unique().tolist() 

In [57]: newcols 
Out[57]: ['BBG.XLON.BTA.S_HOLIDAY', 'BBG.XLON.VOD.S_HOLIDAY'] 

, то вы можете легко добавлять новые столбцы:

In [65]: for col in newcols: 
    ....:   df[col] = np.nan 
    ....: 

In [66]: df 
Out[66]: 
      BBG.XLON.BTA.S_LAST BBG.XLON.BTA.S_VOLUME BBG.XLON.BTA.S_MKTCAP \ 
2001-01-02     572    26605510    37494.60 
2001-01-03     560    24715470    36708.00 
2001-01-04     613    52781855    40182.15 
2001-01-05     630    56600152    41296.50 
2001-01-08     633    41014402    41493.15 

      BBG.XLON.VOD.S_LAST BBG.XLON.VOD.S_VOLUME BBG.XLON.VOD.S_MKTCAP \ 
2001-01-02     NaN     NaN     NaN 
2001-01-03    225.00   444328736.0   145216.0020 
2001-01-04    239.00   488568000.0   154251.6643 
2001-01-05    242.25   237936704.0   156349.2288 
2001-01-08    227.75   658059776.0   146990.8642 

      BBG.XLON.BTA.S_HOLIDAY BBG.XLON.VOD.S_HOLIDAY 
2001-01-02      NaN      NaN 
2001-01-03      NaN      NaN 
2001-01-04      NaN      NaN 
2001-01-05      NaN      NaN 
2001-01-08      NaN      NaN 

Если порядок столбцов важен для вас вы можете изменить порядок его так:

df = df[ordered_column_list] 

Answer 2

Вы можете использовать DataFrame.columns.values, чтобы получить имена столбцов, а затем раздеться подстроку после и включая последнюю точку (.):

names=[s[:s.rfind('.')] for s in df.columns.values] 

Здесь я предполагаю, что ваш dataframe называется df. Это приведет к дублированию имен (для .S_LAST, .S_VOLUME и .S_MKTCAP). Теперь вы можете использовать numpy.unique для удаления дубликатов:

import numpy as np 
uNames=np.unique(names) 

И теперь вы можете добавить свой новый столбец <name>.S_HOLIDAY присвоения значения NaN:

for n in uNames: 
    df[n+'.S_HOLIDAY']=np.NaN