Python 熊猫：批量替换满足相同标准的不同行中的值

我从sql server中提取了一些熊猫格式的数据。结构如下：

df = pd.DataFrame({'Day':(1,2,3,4,1,2,3,4),'State':('A','A','A','A','B','B','B','B'),'Direction':('N','S','N','S','N','S','N','S'),'values':(12,34,22,37,14,16,23,43)})

 >>> df
    Day Direction State  values
0    1         N     A      12
1    2         S     A      34
2    3         N     A      22
3    4         S     A      37
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'] = df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'].values + df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'B'),'values'].values

>>> df
   Day Direction State  values
0    1         N     A      26
1    2         S     A      34
2    3         N     A      22
3    4         S     A      37
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

现在我想用（State==A）本身替换所有具有相同日期和相同方向的值+具有相同日期和相同状态但具有（State==B）的值。例如，像这样：

df = pd.DataFrame({'Day':(1,2,3,4,1,2,3,4),'State':('A','A','A','A','B','B','B','B'),'Direction':('N','S','N','S','N','S','N','S'),'values':(12,34,22,37,14,16,23,43)})

 >>> df
    Day Direction State  values
0    1         N     A      12
1    2         S     A      34
2    3         N     A      22
3    4         S     A      37
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'] = df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'].values + df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'B'),'values'].values

>>> df
   Day Direction State  values
0    1         N     A      26
1    2         S     A      34
2    3         N     A      22
3    4         S     A      37
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

请注意，第一行的值已从12更改为26（12+14） 因为值来自不同的行，所以很难使用combine_first函数

---

现在我必须使用两个循环（在“Day”和“Direction”上）和上面的归因语句，当数据帧变大时，它的速度非常慢。你有什么聪明而有效的方法吗？

你可以先定义一个函数，在同一个组中将值从B添加到a。然后将此函数应用于每个组

def f(x):
    x.loc[x.State=='A','values']+=x.loc[x.State=='B','values'].iloc[0]
    return x

df.groupby(['Day','Direction']).apply(f)
Out[94]: 
   Day Direction State  values
0    1         N     A      26
1    2         S     A      50
2    3         N     A      45
3    4         S     A      80
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

---

哦，groupby和apply：funcs的可爱伴侣。作为一个新手，总是对自己能做的感到很棒，但仍然需要更多的训练来掌握它们。非常感谢，伙计，不用担心。如果你觉得答案有用，请接受。