Python 使用复杂条件求和逻辑在数据帧中创建新字段

下面是我的表（Python数据框架）。我正在尝试用紫色文本创建最后一列

下面是我想要实现的逻辑：

对于每个唯一的“cbsa”值，如果关联的“zip”字段值都相同，则将“age_HC01_EST_VC31_2”字段设置为“age_HC01_EST_VC31”字段（请参见以黄色突出显示的行）

对于每个唯一的“cbsa”值，如果关联的“zip”字段值不同，则将“age_HC01_EST_VC31_2”字段设置为等于“age_HC01_EST_VC31”字段值之和（请参见以橙色突出显示的行）

对于每个唯一的“cbsa”值，如果关联的“zip”字段值有些相同，有些不同，则将“age_HC01_EST_VC31_2”字段设置为唯一的“age_HC01_EST_VC31”字段值之和（请参见以蓝色突出显示的行）

---

我尝试使用groupby，然后在“cbsa”字段上求和。。。但是对于我试图实现的特定的、多层次的逻辑，它不起作用

如果我没有弄错的话，您的逻辑可以总结如下：对于每个唯一的“cbsa”值，将“age_HC01_EST_VC31_2”字段设置为唯一的“age_HC01_EST_VC31”字段值之和

如果这是正确的，这里有一种方法：第一组由

cbsa

，找到唯一的

age\u HC01\u EST\u VC31

值并将这些值相加

import pandas as pd
dic = {'zip': [57401, 57401, 57401, 57401, 98520, 98550, 79604, 79602, 79602, 79601],
       'age_HC01_EST_VC31': [15.5, 15.5, 15.5, 15.5, 13.5, 17.3, 14.9, 18, 18, 11],
       'cbsa': [10100, 10100, 10100, 10100, 10140, 10140, 10180, 10180, 10180, 10180]}
df = pd.DataFrame(dic)
df.join(df.groupby('cbsa').age_HC01_EST_VC31.unique().apply(sum), on='cbsa', rsuffix='_2')

#    age_HC01_EST_VC31   cbsa    zip  age_HC01_EST_VC31_2
# 0               15.5  10100  57401                 15.5
# 1               15.5  10100  57401                 15.5
# 2               15.5  10100  57401                 15.5
# 3               15.5  10100  57401                 15.5
# 4               13.5  10140  98520                 30.8
# 5               17.3  10140  98550                 30.8
# 6               14.9  10180  79604                 43.9
# 7               18.0  10180  79602                 43.9
# 8               18.0  10180  79602                 43.9
# 9               11.0  10180  79601                 43.9

---

这是一段很长的路，但是完成了工作（您需要重命名年龄列-我刚刚称之为age1）

---

也许还有其他简单的方法。但这也行得通

df['new_column']="" #Initialise and empty column

#iterate through all unique values
for item in df['cbsa'].unique():
    if len(df['zip'].loc[df['cbsa']==item].unique())==1:
        df['new_column'].loc[df['cbsa']==item] = df['age_HC01_EST_VC31'].loc[df['cbsa']==item]
    else:
        df['new_column'].loc[df['cbsa']==item] = sum(df['age_HC01_EST_VC31'].loc[df['cbsa']==item].unique())

grouped = df.groupby(['cbsa','zip'])[['age1']].mean().reset_index()
summed = grouped.groupby(['cbsa'])[['age1']].sum().reset_index()
df = pd.merge(df, summed, how='left', on='cbsa')