如何使用Python对特定列进行求和？

我不能按每一组/每一列求和。其想法是在该数据集上创建一个新列，其总和为“store”：

我正在尝试应用此代码：

copiedDataWHSE['sumWHSE'] = copiedDataWHSE.groupby(['ForecastSUM']).agg({'ForecastSUM': "sum"})

我得到的结果是：

PNO store   ForecastSUM sumWHSE
17  20054706    WITZ    0.0 NaN
8   8007536 WITZ    0.0 NaN
2   8007205 WITZ    0.0 4.0
12  8601965 WITZ    0.0 NaN
5   8007239 WITZ    0.0 NaN
14  20054706    ROT 1.0 NaN
1   8007205 ROT 7.0 3.0
9   8601965 ROT 2.0 NaN
6   8007536 ROT 3.0 12.0
3   8007239 ROT 2.0 6.0
15  20054706    MAR 1.0 NaN
7   8007536 MAEG    6.0 7.0
10  8601965 MAEG    4.0 NaN
4   8007239 MAEG    3.0 4.0
0   8007205 MAEG    6.0 0.0
13  20054706    BUD 1.0 NaN
11  8601965 AYC 0.0 NaN
16  20054706    AYC 0.0 NaN

---

这是错误的，因为我想举个例子，一旦商店腐烂，sumWHSE列应该收到19。

正如@sammywemmy提到的，你需要在

商店

上分组，而不是在

ForecastSUM

上分组：

store_groupby = df.groupby(['store']).agg({'ForecastSUM': "sum"})

但是，由于它是长度为

6

的groupby，因此不能将其作为新列分配回数据帧

我要做的是将groupby转换为一个字典，然后使用lambda函数将其转换为一个新列

store_groupby_dict = store_groupby.to_dict()

df = df.assign(store_total = lambda x: store_groupby_dict[x.store])

使用同样的方法可以使其更具可读性：

df['store_total'] = df.store.apply(lambda x: store_groupby_dict[x])

---

如果你要聚合它，你为什么要对预测值进行分组？如果这个答案解决了你的问题，请考虑通过点击左边的绿色复选标记来批准它。欢迎来到SO！一旦我应用df['store\u total']=df.store.apply（lambda x:store\u groupby\u dict[x]），就会发生以下错误：在（）1--->2 copiedDataWHSE['store\u total']=copiedDataWHSE['store'].apply（lambda x:store\u groupby\u dict[x]）中的KeyError回溯（最近一次调用）C:\ProgramData\Anaconda3\lib\site packages\pandas\core\series.py in apply（self，func，convert\dtype，args，**kwds）3192 else:3193 values=self.astype（object）.values->3194 mapped=lib.map\u infere（values，f，convert=convert\u dtype）3195 3196如果len（mapped）和isinstance（mapped[0]，系列）：pandas/_libs/src\inference.pyx在pandas中。_libs.lib.map\u inference（）在（x）1--->2 copiedDataWHSE['store\u total']=copiedDataWHSE['store'].apply（lambda x:store\u groupby\u dict[x]）键错误：“WITZ”未将WITZ识别为键。我该怎么办？

df['store_total'] = df.store.apply(lambda x: store_groupby_dict[x])