Python 如何根据其他列中的值聚合列上的总和

我试图通过

groupby

对第二列中的值求和，但同时也考虑第三列中的值，

df

如下所示

id    memo    amount   
 1    pos     1.0 
 1    pos     2.0
 1    neg     3.0
 2    pos     4.0
 2    pos     5.0
 2    neg     6.0
 2    neg     7.0

我想按

id

和sum

amount

进行分组，但如果

memo

是

pos

的话，每组都是正数，

neg

是负数，例如当

groupby

1

时，总金额是0，因为

-1.0-2.0+3.0=0

如果我使用

df.groupby（'id'）['amount'].sum（）

，它只考虑

id

和

amount

列，我想知道如何在这里也考虑

memo

所以结果会是

id    memo    amount    total_amount   
 1    pos     1.0       0.0
 1    pos     2.0       0.0
 1    neg     3.0       0.0
 2    pos     4.0       -4.0
 2    pos     5.0       -4.0
 2    neg     6.0       -4.0
 2    neg     7.0       -4.0

---

将操作分为两步，您可以通过

df['temp'] = np.where(df.memo == 'pos', df.amount, -df.amount)
df['total_amount'] = df.groupby('id').temp.transform(sum)

---

另一种有趣的映射和乘法方法，即

df['new'] = (df.set_index('id')['memo'].map({'pos':1,'neg':-1})*df['amount'].values)\
            .groupby(level=0).transform(sum).values

输出：

   id memo  amount  new
0   1  pos     1.0  0.0
1   1  pos     2.0  0.0
2   1  neg     3.0  0.0
3   2  pos     4.0 -4.0
4   2  pos     5.0 -4.0
5   2  neg     6.0 -4.0
6   2  neg     7.0 -4.0

---

我建议使用

numpy.where

在第一步

df[“temp”]=np.where（df[“memo”]==“neg”、-df[“amount”]、df[“amount”]）

@user32185:Yep，它的性能似乎要好一点（可读性也好得多）。同时也比折衷方案（df.memo=='pos'，1，-1）略胜一筹。@fuglede第一步在原文中是什么意思code@daiyue：很抱歉删除此选项，使您的评论不那么清晰。在原始代码中，

df.memo==“pos”

将是一个

系列，其值为
True
/
False
，取决于条件，
（df.memo==“pos”）*2
将分别与值
2
和
0
相同，并且
（df.memo==“pos”）*2-1
将是一个
系列
，其值为
1
和
-1
。将此元素与
df.值相乘将生成所需的操作。