Python 熊猫：每组只显示一次总数

我有以下数据：

说明卡会员费
“苹果”“亚当”2
“苹果”“亚当”2
“梨”“鲍勃”7
“橙色”“爱丽丝”8
“橙色”“爱丽丝”8
“橙色”“爱丽丝”8

我正在尝试添加如下所示的总计列：

说明卡会员成本**总计**
“苹果”“亚当”2
“苹果”“亚当”2 4
“梨”“鲍勃”7
“橙色”“爱丽丝”8
“橙色”“爱丽丝”8
“橙色”“爱丽丝”8 24

我尝试使用

df[“Total”]=df.groupby（'Card Member'）['Cost'].transform（'sum'）

虽然它会在每一行之后生成总计，但我只希望总计在每行每个成员的末尾显示一次

这就是它产生的结果：

说明卡会员成本**总计**
“苹果”“亚当”2 4
“苹果”“亚当”2 4
“梨”“鲍勃”7
“橙色”“爱丽丝”8 24
“橙色”“爱丽丝”8 24
“橙色”“爱丽丝”8 24

正如你所看到的，总数被一次又一次地重复，这使得我的数据不那么可读。我只希望总行值显示一次，然后在每个成员的末尾显示，而不是让它们不断重复出现

---

我正在考虑循环并删除不等于下一次迭代的值，但如果不同成员的总数相同，这将导致问题。

您可以使用重复的

提取最后一行：

s = ~df.duplicated(['Description','CardMember'], keep='last')

df.loc[s,'total'] = df.groupby(['Description', 'CardMember'], sort=False)['Cost'].transform('sum')

输出：

  Description CardMember  Cost  total
0     "apple"     "adam"     2    NaN
1     "apple"     "adam"     2    4.0
2      "pear"      "bob"     7    7.0
3    "orange"    "alice"     8    NaN
4    "orange"    "alice"     8    NaN
5    "orange"    "alice"     8   24.0

您可以使用重复的
提取最后一行
：

s = ~df.duplicated(['Description','CardMember'], keep='last')

df.loc[s,'total'] = df.groupby(['Description', 'CardMember'], sort=False)['Cost'].transform('sum')

输出：

  Description CardMember  Cost  total
0     "apple"     "adam"     2    NaN
1     "apple"     "adam"     2    4.0
2      "pear"      "bob"     7    7.0
3    "orange"    "alice"     8    NaN
4    "orange"    "alice"     8    NaN
5    "orange"    "alice"     8   24.0

这应该行得通

df["total"] = 0

for name in df["Card Member"].unique():
    df_sel = df[df["Card Memebr"] == name]
    df_sel.iloc[len(df_sel) - 1, 4] = df_sel["Cost"].sum()
    df[df["Card Member"] == name] = df_sel

这应该行得通

df["total"] = 0

for name in df["Card Member"].unique():
    df_sel = df[df["Card Memebr"] == name]
    df_sel.iloc[len(df_sel) - 1, 4] = df_sel["Cost"].sum()
    df[df["Card Member"] == name] = df_sel

您可以在此处将参数设置为
last

s = df.groupby('Card Member')['Cost'].transform('sum')
df.assign(total = s.mask(s.duplicated(keep = 'last'))

       Desc      mem  cost  total
0   "apple"   "adam"     2    NaN
1   "apple"   "adam"     2    4.0
2    "pear"    "bob"     7    7.0
3  "orange"  "alice"     8    NaN
4  "orange"  "alice"     8    NaN
5  "orange"  "alice"     8   24.0

您可以在此处将参数设置为
last

s = df.groupby('Card Member')['Cost'].transform('sum')
df.assign(total = s.mask(s.duplicated(keep = 'last'))

       Desc      mem  cost  total
0   "apple"   "adam"     2    NaN
1   "apple"   "adam"     2    4.0
2    "pear"    "bob"     7    7.0
3  "orange"  "alice"     8    NaN
4  "orange"  "alice"     8    NaN
5  "orange"  "alice"     8   24.0

np.其中
版本：

df["Total"] = np.where(~df['Card Member'].duplicated('last'),
                       df.groupby('Card Member')['Cost'].transform('sum'),
                       None)

df['Description'].duplicated（'last'）
将每个复制组的最后一个值标记为
False
，因此
~df['Description'].duplicated（'last'）
可用于将这些值标记为
True
，并且仅在这些行中输入您的
groupby
计算。
np

df["Total"] = np.where(~df['Card Member'].duplicated('last'),
                       df.groupby('Card Member')['Cost'].transform('sum'),
                       None)

df['Description'].duplicated（'last'）
将每个复制组的最后一个值标记为
False
，因此
~df['Description'].duplicated（'last'）
可用于将这些值标记为
True
，并且仅在这些行中输入您的
groupby
计算值。
让我们用
apply

s=df.groupby(['Description','Card'],as_index=False).MemberCost.apply(lambda x : pd.Series(x.sum(),index=[x.index[-1]])).reset_index(level=0,drop=True)
df['New']=s
df
Out[103]: 
  Description     Card  MemberCost   New
0     "apple"   "adam"           2   NaN
1     "apple"   "adam"           2   4.0
2      "pear"    "bob"           7   7.0
3    "orange"  "alice"           8   NaN
4    "orange"  "alice"           8   NaN
5    "orange"  "alice"           8  24.0

让我们用
apply

s=df.groupby(['Description','Card'],as_index=False).MemberCost.apply(lambda x : pd.Series(x.sum(),index=[x.index[-1]])).reset_index(level=0,drop=True)
df['New']=s
df
Out[103]: 
  Description     Card  MemberCost   New
0     "apple"   "adam"           2   NaN
1     "apple"   "adam"           2   4.0
2      "pear"    "bob"           7   7.0
3    "orange"  "alice"           8   NaN
4    "orange"  "alice"           8   NaN
5    "orange"  "alice"           8  24.0