用一个键获取多键dict的和，并将其添加到Python中的datfarme列中？

我有一个数据帧和一个dict，如下所示：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[1, 2], [4, 5]]),columns=['a', 'b'])
df
   a  b
0  1  2
1  4  5

dict
{(0, 'A', 1): 1, (0, 'A', 2): 2, (1, 'B', 1): 3, (1, 'B', 2): 4}

我试图通过dict的第一个键获得总的和，并将结果作为一个新列添加到我的数据帧中

这是我到目前为止所拥有的，但我认为必须有一种更有效的方法来做到这一点

total_by_1st={}
for (x, _, _), v in dict.items():
    if x in total_by_1st:
       total_by_1st[x] += v
    else:
       total_by_1st[x]=v

total_by_1st
{0: 3, 1: 7}
df['c'] = df.index.map(total_by_1st)
df
   a  b  c
0  1  2  3
1  4  5  7

我试图通过dict的第一个键获得总的和，并将结果作为一个新列添加到我的数据帧中

您可以在级别0上转换为系列和总和：

df['new'] = pd.Series(d).sum(level=0)

---

其中

d

是存储字典的变量的名称。请注意，您不应将变量命名为与内置变量相同的变量（

d

或类似的名称，而不是

dict

）

我试图通过dict的第一个键获得总的和，并将结果作为一个新列添加到我的数据帧中

您可以在级别0上转换为系列和总和：

df['new'] = pd.Series(d).sum(level=0)

---

---

其中

d

是存储字典的变量的名称。请注意，您不应将变量命名为与内置变量相同的变量（

d

或类似的名称，而不是

dict

）

与itertools类似：

[sum（[d.get（i）表示i in v]）表示k，v in itertools.groupby（d.keys（），key=lambda x:x[0]）

与itertools类似：

[sum（[d.get（i）表示i in v]）表示k，v in itertools.groupby（d.keys（），key=lambda x:x[0]）]