Python 向数据帧中添加一列，该列是来自另一个数据帧的条件和

我有两个数据框，一个是棒球队的数据，另一个是队员信息。我需要在团队数据框架中添加一个团队薪资列，该列按年度和团队查找薪资数据，并返回该年度/团队的球员薪资总和。我尝试了许多不同的方法，但我认为我最接近这个方法：

def get_team_salary(year, team):
    data_slice = salary_data_df[(salary_data_df.yearID == year) & 
                                (salary_data_df.teamID == team)]
    return data_slice['salary'].sum()

#This line of code works correctly without the next function in the code.
#team_data_df['team_salary'] = get_team_salary(2000,'ANA')

def assign_team_salaries(team_data_df):
    year = team_data_df['yearID']
    team = team_data_df['teamID']
    return team_data_df.applymap(get_team_salary(year, team))

team_data_df['team_salary'] = assign_team_salaries(team_data_df)

不起作用的是

assign\u team\u palaries

函数调用。我尝试了很多不同的方法来修复它，并且收到了很多不同的错误消息。您得到的结果是

“ValueError:只能比较标签相同的系列对象”

有人能帮我找出我做错了什么吗？我尝试过完全不同的方法，比如在工资数据上使用

groupby

，然后首先合并两个数据帧，但我也没能让它们起作用。蒂亚

team_data_df

有大量列，但相关列（按顺序）如下所示：

teamID    yearID
2000      ANA
2000      ARI
...       ...
2016      TOR
2016      WSN

salary\u data\u df

有相关列：

teamID   yearID   playerID   salary
2000     ANA      anderga01  3250000
...      ...      ...        ...
2016     WSN      zimmery01  14000000

---

如您所述，您可以在

薪资数据\u df

上使用

.groupby

，然后将这些总和合并到

团队数据\u df

以以下两个小例子为例：

print(team_data_df)
  teamID  yearID
0      a    2000
1      b    2000
2      c    2000
3      a    2001
4      b    2001
5      c    2001

print(salary_data_df)
   teamID  yearID  playerID  salary
0       a    2000         1     100
1       a    2000         2     200
2       b    2000         4     300
3       b    2000         5     400
4       b    2000         6     500
5       c    2000         7     600
6       a    2001         1     700
7       a    2001         2     800
8       a    2001         3     900
9       b    2001         4    1000
10      b    2001         5    1100
11      c    2001         7    1200
12      c    2001         8    1300

然后：

---

您可能还需要注意merge的

on

参数。它们模仿类似SQL的合并规范。

非常感谢！这与我尝试的另一种方法类似，但我认为我以前可能错误地处理了索引部分。非常感谢！

sums = (salary_data_df
        .groupby(by=['yearID', 'teamID'])
        .sum()['salary']
        .reset_index())
    # alternative: use parameter `as_index=True` instead of `.reset_index()`

res = team_data_df.merge(sums, on=['yearID', 'teamID'])

print(res)
  teamID  yearID  salary
0      a    2000     300
1      b    2000    1200
2      c    2000     600
3      a    2001    2400
4      b    2001    2100
5      c    2001    2500