Python 熊猫：我如何分组，但前提是数据满足该组中的特定条件。i、 e.*仅当*该组中有负值时

请帮助，我需要修复df中的一列，该列根据其组分配值（

a

或

b

）。如果组的总和大约为0（接受-50到100之间的任意值），则将其编码为

'a'

。如果不是，则将其编码为

'b'

我的列是：

['Assets'，'Value']

   Asset  Value  
0  2000    500   
1  2000   -500   
2  3000    1000  
3  3000    1000  
4  4000    3000  
5  4000   -100   
6  5000   -100   
7  5000    9000  

到目前为止，我已经做到了：

df['Sum_Assets']=df['Value'].groupby（df['Asset']）。transform（'Sum'）

然后我做了：

    (df['Sum_Assets'] > -50) & (df['Sum_Assets'] <= 100),
    (df['Sum_Assets'] <= -50),
    (df['Sum_Assets'] > 100 ),
    ]

# create a list of the values to assign for each condition
values = ['a', 'b', 'b']

# create new column and assign values to it
df['Action'] = np.select(conditions, values)

应该是：

df.Asset = df.Asset.astype(int)
df.Value = df.Value.str.replace(',', '').astype(float).astype(int) 
df['Sum_Assets'] = df.groupby('Asset')['Value'].transform('sum')
conditions = [
    (df['Sum_Assets'].gt(50)) & (df['Sum_Assets'].le(100)),
    (df['Sum_Assets'].le(-50)) | (df['Sum_Assets'].gt(100))
    ]
values = ['a', 'b']

df['Action'] = np.where(df.Value<0, None,np.select(conditions, values))

df.Asset=df.Asset.astype（int）
df.Value=df.Value.str.replace（'，'，''）.astype（float.astype（int）
df['Sum_Assets']=df.groupby（'Asset'）['Value'].transform（'Sum'））
条件=[
（df['Sum_Assets'].gt（50））和（df['Sum_Assets'].le（100）），
（df['Sum_Assets'].le（-50））|（df['Sum_Assets'].gt（100））
]
值=['a'，'b']
df['Action']=np.where（df.ValuePost以文本形式发布您的数据帧，而不是pix，并发布您的预期输出。您是否仍被卡住？请根据需要随时修改代码：）
df.Asset = df.Asset.astype(int)
df.Value = df.Value.str.replace(',', '').astype(float).astype(int) 
df['Sum_Assets'] = df.groupby('Asset')['Value'].transform('sum')
conditions = [
    (df['Sum_Assets'].gt(50)) & (df['Sum_Assets'].le(100)),
    (df['Sum_Assets'].le(-50)) | (df['Sum_Assets'].gt(100))
    ]
values = ['a', 'b']

df['Action'] = np.where(df.Value<0, None,np.select(conditions, values))