Python 两种情况下大熊猫的sumif

例如，我想要相当于Excel的

sumifs

=SUMIFS($D4:D$107,$D$107,$G4:G$107)

我有三列，

合同

，

金额

和

交易类型

。对于每个

合同

，如果交易类型为

CBP

，我想对

金额

求和。以下公式不起作用：

data['Var']=(data.groupby('contract',"transaction_type_tla=='CBP'")['amount'].cumsum())

---

编辑：我认为@Wen的答案更符合你的要求，但如果你想将结果作为一个系列：

一种简单的方法是，首先按您要查找的事务类型过滤事务列表，然后应用groupby和您想要的任何聚合方法：

ans = data[data['transaction_type_tla'] == 'CBP']
ans.groupby('contract')['amount'].cumsum()

---

这将产生一系列答案。

这是一种方法。我已经设置了一些虚拟数据进行测试

输出是相同格式的数据帧，但包含

CBP

事务汇总

import pandas as pd

df = pd.DataFrame([['A', 123, 'ABC'],
                   ['A', 341, 'ABC'],
                   ['A', 652, 'CBP'],
                   ['A', 150, 'CBP'],
                   ['B', 562, 'DEF'],
                   ['B', 674, 'ABC'],
                   ['B', 562, 'CBP'],
                   ['B', 147, 'CBP']],
                  columns=['contract', 'amount', 'type'])

s = df.groupby(['contract', 'type'])['amount'].sum()
df = df.set_index(['contract', 'type']).join(s, rsuffix='_group')

df.loc[pd.IndexSlice[:, 'CBP'], 'amount'] = df.loc[pd.IndexSlice[:, 'CBP'], 'amount_group']
df = df.drop('amount_group', 1).reset_index().drop_duplicates()

#   contract type  amount
# 0        A  ABC     123
# 1        A  ABC     341
# 2        A  CBP     802
# 4        B  ABC     674
# 5        B  CBP     709
# 7        B  DEF     562

借用jp的数据：-）

另见：

df['New']=df.groupby('contract').apply(lambda x : x['amount'][x['type']=='CBP'].cumsum()).reset_index(level=0,drop=True)
df
Out[258]: 
  contract  amount type    New
0        A     123  ABC    NaN
1        A     341  ABC    NaN
2        A     652  CBP  652.0
3        A     150  CBP  802.0
4        B     562  DEF    NaN
5        B     674  ABC    NaN
6        B     562  CBP  562.0
7        B     147  CBP  709.0