pandas 如何根据其他列中的值汇总列上的总和
pandas how to aggregate sum on a column depending on values in other columns
我试图通过 groupby 对第二列中的值求和一列中的值，但同时也考虑第三列中的值，df 就像，
id memo amount
1 pos 1.0
1 pos 2.0
1 neg 3.0
2 pos 4.0
2 pos 5.0
2 neg 6.0
2 neg 7.0
我想按 id 分组并求和 amount，但是每个组，如果 memo 是 pos，则它是正的，而 neg 是负的，例如当groupby1时，总金额为0，因为-1.0 - 2.0 + 3.0 = 0.
如果我做 df.groupby('id')['amount'].sum()，它只考虑 id 和 amount 列，我想知道如何在这里也考虑 memo。
所以结果看起来像，
id memo amount total_amount
1 pos 1.0 0.0
1 pos 2.0 0.0
1 neg 3.0 0.0
2 pos 4.0 -4.0
2 pos 5.0 -4.0
2 neg 6.0 -4.0
2 neg 7.0 -4.0
分两步操作，通过
可以达到你想要的效果
df['temp'] = np.where(df.memo == 'pos', df.amount, -df.amount)
df['total_amount'] = df.groupby('id').temp.transform(sum)
映射和乘法的另一种有趣方式，即
df['new'] = (df.set_index('id')['memo'].map({'pos':1,'neg':-1})*df['amount'].values)\
.groupby(level=0).transform(sum).values
输出：
id memo amount new
0 1 pos 1.0 0.0
1 1 pos 2.0 0.0
2 1 neg 3.0 0.0
3 2 pos 4.0 -4.0
4 2 pos 5.0 -4.0
5 2 neg 6.0 -4.0
6 2 neg 7.0 -4.0
我试图通过 groupby 对第二列中的值求和一列中的值，但同时也考虑第三列中的值，df 就像，
id memo amount
1 pos 1.0
1 pos 2.0
1 neg 3.0
2 pos 4.0
2 pos 5.0
2 neg 6.0
2 neg 7.0
我想按 id 分组并求和 amount，但是每个组，如果 memo 是 pos，则它是正的，而 neg 是负的，例如当groupby1时，总金额为0，因为-1.0 - 2.0 + 3.0 = 0.
如果我做 df.groupby('id')['amount'].sum()，它只考虑 id 和 amount 列，我想知道如何在这里也考虑 memo。
所以结果看起来像，
id memo amount total_amount
1 pos 1.0 0.0
1 pos 2.0 0.0
1 neg 3.0 0.0
2 pos 4.0 -4.0
2 pos 5.0 -4.0
2 neg 6.0 -4.0
2 neg 7.0 -4.0
分两步操作，通过
可以达到你想要的效果df['temp'] = np.where(df.memo == 'pos', df.amount, -df.amount)
df['total_amount'] = df.groupby('id').temp.transform(sum)
映射和乘法的另一种有趣方式，即
df['new'] = (df.set_index('id')['memo'].map({'pos':1,'neg':-1})*df['amount'].values)\
.groupby(level=0).transform(sum).values
输出：
id memo amount new
0 1 pos 1.0 0.0
1 1 pos 2.0 0.0
2 1 neg 3.0 0.0
3 2 pos 4.0 -4.0
4 2 pos 5.0 -4.0
5 2 neg 6.0 -4.0
6 2 neg 7.0 -4.0