Python Pandas：基于不同数据帧中的组的一个数据帧中的值之和

我有一个这样的数据框架，其中包含公司及其部门

  Symbol             Sector
0    MCM             Industrials
1    AFT             Health Care
2    ABV             Health Care
3    AMN             Health Care
4    ACN  Information Technology

我有另一个数据框，其中包含了公司及其职位

  Symbol  Position
0    ABC  1864817
1    AAP -3298989
2    ABV -1556626
3    AXC  2436387
4    ABT   878535 

我想要的是得到一个包含扇区聚合位置的数据帧。因此，将给定行业中所有公司的头寸相加。我可以单独做这件事

df2[df2.Symbol.isin(df1.groupby('Sector').get_group('Industrials')['Symbol'].to_list())]  

我正在寻找一种更有效的方法来实现这一点，而不是在group_by下的每个部门循环。最终的数据帧应如下所示：

     Sector                  Sum Position
0    Industrials             14567232
1    Health Care            -329173249
2    Information Technology -65742234
3    Energy                  6574352342
4    Pharma                  6342387658

---

感谢您的帮助

如果我正确理解了这个问题，一种方法是连接两个数据帧，然后按扇区分组并对位置列求和，如下所示：

df_agg = df1.join(df2['Position']).drop('Symbol', axis=1)
df_agg.groupby('Sector').sum()

---

其中，df1是带扇区的df，df2是带位置的df。

您可以

将符号列映射到扇区，并使用该序列进行分组

df2.groupby(df2.Symbol.map(df1.set_index('Symbol').Sector)).Position.sum()

让我们只做
merge

df2.merge(df1,how='left').groupby('Sector').Position.sum()

你能发布你期望的输出数据框应该是什么样子吗。我会等一天，看看是否有其他的答案，可能是一个改善。谢谢你的帮助，漂亮的一行！是的，我还使用了--pd.merge（df2，df1，on=“Symbol”）.groupby（'Sector'）['Position'].sum（）.reset_index（）