Python Groupby和Sum的多个级别

我有一个具有以下初始化的数据帧，我想知道列“a”中的值是否存在于列“b”中。然后，如果值存在，我想要列“c”的所有对应值的总和

NA

示例结果位于下面的图像链接中：

---

看看下面的一行：D

df[["a"]].merge(df.groupby("b").c.sum().reset_index().rename(columns={"b":"a"}), how="left").fillna(0)

---

只要b列中的值存在于a中，这将为b列中的每个值计算c列值的总和

import pandas as pd


df = pd.DataFrame({'a': [1,2,3, 1, 4, 1, 2],
              'b': [1,5,1, 2, 3, 1, 3],
              'c': [10,20,40, 50, 60, 70, 100]})


new_df = df[['a']].drop_duplicates().merge(df[['b', 'c']], left_on = 'a', right_on = 'b', how = 'left').groupby('a', as_index = False)['c'].sum()

或

或

---

how='left'解决了我的问题，而不是使用how='inner'。稍后与我的原始df合并。谢谢下面是答案：new_df=df['a']].drop_duplicates（）.merge（df['b'，'c']]，left_on='a'，right_on='b'，how='left'）.groupby（'a'，as_index=False）['c'].sum（）new_df=new_df.rename（columns={'c'：'c_sum'}）df1=df.merge（new_df on='a'，how='left'）我做了。考虑到我的声誉，它没有被公开记录。答案：new_df=df[[a']].drop_duplicates（）.merge（df[[b'，c']]，left_on='a'，right_on='b'，how='left'）。groupby（'a'，as_index=False）['c'].sum（）new_df=new_df df.rename（columns={'c'：'c''sum}）df1=df.merge（new_df，on='a'，how='left'））

import pandas as pd


df = pd.DataFrame({'a': [1,2,3, 1, 4, 1, 2],
              'b': [1,5,1, 2, 3, 1, 3],
              'c': [10,20,40, 50, 60, 70, 100]})


new_df = df[['a']].drop_duplicates().merge(df[['b', 'c']], left_on = 'a', right_on = 'b', how = 'left').groupby('a', as_index = False)['c'].sum()

df[['a','b']].join(df.groupby('b').c.sum(),on='a').fillna(0, downcast='infer')

df.groupby('b').c.sum().reindex(df.a,fill_value=0).reset_index().assign(b=df.b).sort_index(axis=1)

df.assign(c = df.groupby('b').c.sum().reindex(df.a, fill_value=0).reset_index(drop=True))