Python中对Pandas DataFrame按机构求和并获取最新日期的实现方法

首先加载示例数据并转换日期格式：

import pandas as pd

# 构建你提供的数据集
data = {
    'Organization': ['O4', 'O2', 'O1', 'O4', 'O2', 'O2'],
    'Total_Founding': [50, 70, 20, 80, 30, 60],
    'announced_on': ['2015-03-26', '2016-10-10', '2016-10-14', '2015-05-26', '2016-12-10', '2017-01-10']
}

df = pd.DataFrame(data)
# 将日期列转为datetime类型，方便后续日期计算
df['announced_on'] = pd.to_datetime(df['announced_on'])

需求1：替换每条记录的Total_Founding为组内总和 #

通过groupby结合transform方法，计算每个组织的Total_Founding总和，并将结果映射回原数据的每条记录：

# 按Organization分组，计算组内总和并替换原列
df['Total_Founding'] = df.groupby('Organization')['Total_Founding'].transform('sum')

# 查看处理结果
print("需求1处理结果：")
print(df)

处理后输出：

需求2：获取每组最新日期+组总和 #

这里分两种常见场景实现：

场景A：生成每个组织的汇总结果（一行对应一个组织） #

使用groupby的agg方法，一次性聚合计算总和和最新日期：

# 重新加载原始数据，避免被需求1的修改影响
df = pd.DataFrame(data)
df['announced_on'] = pd.to_datetime(df['announced_on'])

# 分组聚合，指定每个字段的计算逻辑
summary_df = df.groupby('Organization').agg(
    Total_Founding_Sum=('Total_Founding', 'sum'),
    Latest_Announced_Date=('announced_on', 'max')
).reset_index()

# 查看汇总结果
print("\n需求2场景A（组织汇总）：")
print(summary_df)

输出：

场景B：保留原记录结构，替换为组内总和+最新日期 #

同样用transform分别处理两个字段，保留原数据的行数：

# 重新加载原始数据
df = pd.DataFrame(data)
df['announced_on'] = pd.to_datetime(df['announced_on'])

# 替换Total_Founding为组总和
df['Total_Founding'] = df.groupby('Organization')['Total_Founding'].transform('sum')
# 替换announced_on为组内最新日期
df['announced_on'] = df.groupby('Organization')['announced_on'].transform('max')

# 查看处理结果
print("\n需求2场景B（保留原记录）：")
print(df)

输出：

内容的提问来源于stack exchange，提问作者Rebeka