Python 带布尔过滤器标量的广播groupby

我有一个数据框，如下所示

df = pd.DataFrame({'var1' : list('a' * 3) + list('b' * 2) + list('c' * 4) 
         ,'var2' : [i for i in range(9)]
         ,'var3' : [20, 40, 100, 10, 80, 12,24, 53, 90]
     })

我想要的最终结果如下：

var1 var2 var3 var3_lt_50 0 a 0 20 60 1 a 1 40 60 2 a 2 100 60 3 b 3 10 10 4 b 4 80 10 5 c 5 12 36 6 c 6 24 36 7 c 7 53 36 8 c 8 90 36 var1 var2 var3 var3_lt_50 0 a 0 20 60 14060 210060 3B3100 4 b 4 80 10 5 c 5 12 36 6 c 6 24 36 7 c 7 53 36 8 c 8 90 36 根据下面的代码，我通过两个步骤得到这个结果，一个是GROUPBY，一个是merge：

df = df.merge(df[df.var3 < 50][['var1', 'var3']].groupby('var1', as_index = False).sum().rename(columns = {'var3' : 'var3_lt_50'})
         ,how = 'left'
         ,left_on = 'var1'
         ,right_on = 'var1')

df=df.merge（df[df.var3<50][[var1'，var3']].groupby（'var1'，as_index=False）.sum（）.rename（列={'var3'：'var3_lt_50'}）
，how='left'
，左上='var1'
，右上='var1'）

有人能告诉我一种方法来做这种类型的布尔逻辑表达式+组间标量广播，而不需要我今天做的“groupby”+“merge”步骤吗。我想要一行更流畅的代码

提前感谢您的投入

---

/Swepab

您可以使用

groupby.transform

，它保留转换变量的形状和索引，以便您只需将结果分配回数据帧：

df['var3_lt_50'] = df.groupby('var1').var3.transform(lambda g: g[g < 50].sum())
df

df['var3_lt_50']=df.groupby（'var1'）.var3.transform（lambda g:g[g<50].sum（））
df

---

“还有你叔叔”—谢谢！一个快速的后续问题：如果我想将布尔表达式更改为另一个变量，而不是我求和的变量，那么会如何更改代码？举个例子，假设我想对其中的var2>4求和，并以与示例相同的方式将其广播回所有分组，您可以在

groupby.apply中使用
assign
，它是功能性的，并且能够广播标量值。类似于
df.groupby（'var1'，group\u keys=False）.apply（lambda g:g.assign（new\u var=g.var3[g.var2>3].sum（））