Python 表中特定列的特定值之和

我有一个数据集，其中包含：

Column_A   Column_B   Column_C
1          55         23
1          65         14  
2          32         54
2          25         13  
3          69         28
3          14         56

期望输出：

'Column\u B'+'Column\u C'的总和，考虑到Column\u A的相同值

共11人=55+65+23+14

---

总计22=32+25+54+13

您可以在列上使用

pd.DataFrame.groupby

df.groupby('Column_A').sum().sum(axis=1)

输出

Column_A
1    157
2    124
3    167

---

您可以在列上使用

pd.DataFrame.groupby

df.groupby('Column_A').sum().sum(axis=1)

输出

Column_A
1    157
2    124
3    167

---

您可以求和，然后分组：

res = df.eval('Total=Column_B + Column_C', inplace=False)\
        .groupby('Column_A')['Total'].sum().reset_index()

print(res)

   Column_A  Total
0         1    157
1         2    124
2         3    167

---

您可以求和，然后分组：

res = df.eval('Total=Column_B + Column_C', inplace=False)\
        .groupby('Column_A')['Total'].sum().reset_index()

print(res)

   Column_A  Total
0         1    157
1         2    124
2         3    167

---

设置索引

和

总和

df.set_index('Column_A').sum(level=0).sum(1)
Out[989]: 
Column_A
1    157
2    124
3    167
dtype: int64

---

设置索引

和

总和

df.set_index('Column_A').sum(level=0).sum(1)
Out[989]: 
Column_A
1    157
2    124
3    167
dtype: int64

---

问题，res是df的浅拷贝还是完全不同的对象？@Yuca，一个新对象。

df

没有改变。更改

res

不会影响

df

。可能

df.eval（'Column\u sum=Column\u B+Column\u C'）。groupby（'Column\u A'）['Column\u sum'].sum（）

@Wen，嗯，这在0.19（sry，旧版本）上对我不起作用。好的，我想出来了，它需要

inplace=False

。问题，res是df的浅拷贝还是一个完全不同的对象？@Yuca，一个新对象。

df

没有改变。更改

res

不会影响

df

。可能

df.eval（'Column\u sum=Column\u B+Column\u C'）。groupby（'Column\u A'）['Column\u sum'].sum（）

@Wen，嗯，这在0.19（sry，旧版本）上对我不起作用。好的，我算出了，它需要

inplace=False

。