Pandas基于条件的Groupby与Aggregate报错求助：按组计算Flag及对应Value求和

原始数据 #

import pandas as pd

df=pd.DataFrame({'ID':['A','B','C','D'],
                 'Group':['group1','group1','group2','group2'],
                 'Flag_1':[1,0,0,1],
                 'Flag_2':[1,1,0,1],
                 'Value':[30,40,60,70]
                })

期望输出 #

df_value_group=pd.DataFrame({
                 'Flag_1 Sum':[1,1],
                 'Flag_2 Sum':[2,1],
                 'Value_1 Sum':[30,70],
                 'Value_2 Sum':[70,70]},                 
    index=['group1','group2'])

错误代码及问题点 #

你尝试的代码中，后两个lambda函数直接引用全局df，导致维度不匹配抛出AssertionError：

df.groupby('Group').agg(
    **{ 'Flag_1 Sum': ('Flag_1','sum'),
        'Flag_2 Sum': ('Flag_2','sum'),
        'Value_1 Sum': ('Flag_1', lambda col: df.loc[col.eq(1), 'Value'].sum()),
        'Value_2 Sum': ('Flag_2', lambda col: df.loc[col.eq(1), 'Value'].sum())
})

错误原因：分组后的col是组内的Series，col.eq(1)的索引仅对应组内行，但df.loc会匹配全局DataFrame的索引，导致筛选结果与组内数据维度不匹配。

正确解决方案 #

方法1：使用apply处理每个分组 #

通过自定义函数处理单个分组，直接操作组内数据：

def process_group(group):
    return pd.Series({
        'Flag_1 Sum': group['Flag_1'].sum(),
        'Flag_2 Sum': group['Flag_2'].sum(),
        'Value_1 Sum': group.loc[group['Flag_1'] == 1, 'Value'].sum(),
        'Value_2 Sum': group.loc[group['Flag_2'] == 1, 'Value'].sum()
    })

df_value_group = df.groupby('Group').apply(process_group)

方法2：在agg中使用分组全局数据 #

调整lambda参数，直接接收整个分组数据而非单列：

df_value_group = df.groupby('Group').agg(
    **{
        'Flag_1 Sum': ('Flag_1', 'sum'),
        'Flag_2 Sum': ('Flag_2', 'sum'),
        'Value_1 Sum': (lambda g: g.loc[g['Flag_1'] == 1, 'Value'].sum()),
        'Value_2 Sum': (lambda g: g.loc[g['Flag_2'] == 1, 'Value'].sum())
    }
)

两种方法均能得到符合预期的输出结果。

内容的提问来源于stack exchange，提问作者Derek