如何在pandas的groupby.agg中为特定分组添加指定值？

处理文件后得到如下DataFrame和独立数值val=20.0：

df = pd.DataFrame({
        'A': ['foo', 'foo', 'foo', 'fizz', 'fizz', 'fizz', 'fizz'],
        'B': ['bar', 'bar', 'bar', 'buzz', 'buzz', 'buzz', 'baz'],
        'C': [10,10,10,10,10,10,10]
        })

val = 20.0

其中val是从文件中提取并转换为float的数值，提取逻辑如下：

if len(df.loc[df['ID'].eq("Settle"), 'C'].values) > 0:
    temp = df.loc[df['ID'].eq("Settle"), 'C']
    if temp.values[0].isnumeric():
        num = float(temp.values[0])
    else:
        num = 0.0
else:
    num = 0.0

需要按A列分组对C列求和，且当A=='foo'时，需将val加到该组的求和结果中，期望输出：

A     C
foo   50
fizz  40

方法一：先分组求和，再修改目标组 #

先执行基础分组求和，再定位到A='foo'的行，将C列的值加上val：

import pandas as pd

# 初始化数据
df = pd.DataFrame({
        'A': ['foo', 'foo', 'foo', 'fizz', 'fizz', 'fizz', 'fizz'],
        'B': ['bar', 'bar', 'bar', 'buzz', 'buzz', 'buzz', 'baz'],
        'C': [10,10,10,10,10,10,10]
        })
val = 20.0

# 基础分组求和
out = df.groupby(['A'], sort=False, as_index=False).agg({"C":"sum"})
# 给foo组的C值加上val
out.loc[out['A'] == 'foo', 'C'] += val

print(out)

方法二：在agg中直接用lambda处理 #

通过lambda函数判断分组名称，直接在聚合时完成加值操作：

import pandas as pd

# 初始化数据
df = pd.DataFrame({
        'A': ['foo', 'foo', 'foo', 'fizz', 'fizz', 'fizz', 'fizz'],
        'B': ['bar', 'bar', 'bar', 'buzz', 'buzz', 'buzz', 'baz'],
        'C': [10,10,10,10,10,10,10]
        })
val = 20.0

# 分组聚合时判断处理
out = df.groupby(['A'], sort=False, as_index=False).agg(
    C=('C', lambda x: x.sum() + val if x.name == 'foo' else x.sum())
)

print(out)

内容的提问来源于stack exchange，提问作者iBeMeltin