如何在Ibis聚合语句的across中访问其他列实现条件求和？

问题背景 #

通过mutate结合自定义函数生成了多个匹配is_pre|is_post规则的布尔列，希望在聚合操作中利用across简化逻辑，基于这些布尔列的True值对net_spend_amt列进行条件求和，替代重复编写的条件聚合代码。

解决方案 #

核心是在across的func参数中使用lambda函数接收选中的布尔列，再基于该列作为筛选条件对目标列求和。以下是完整实现代码：

(df
    .pipe(mutate_is_weeks_pre('pre_end_date', 'trn_dt', weeks=[2, 4, 52])) 
    .pipe(mutate_is_weeks_post('post_start_date', 'trn_dt', weeks=[2, 4, 52]))
    .group_by("campaign_id", "modality")
    .agg(
        s.across(
            selector=s.matches("is_pre|is_post"),
            func=lambda col: _.net_spend_amt.sum(where=col),
            # 可选：统一重命名结果列，添加后缀标识求和结果
            names="{0}_sales"
        )
    )
)

方案说明 #

• 原尝试失败原因：直接引用df.net_spend_amt会绑定到原始表对象，无法适配分组后的上下文，而lambda函数可以动态接收每个选中的布尔列col，确保条件筛选与当前列关联。
• 逻辑分离：之前通过mutate生成布尔列的代码负责定义时间窗口筛选规则，聚合时的across专注于基于布尔列的求和逻辑，实现了职责分离。
• 可选优化：通过names参数可以统一修改聚合结果的列名，让输出更易读（例如将is_pre2w转为is_pre2w_sales）。

内容的提问来源于stack exchange，提问作者Mark Druffel