使用dplyr处理数据集：按ID计算Main=0时Size*Distance的求和结果

原始数据集 #

ID  Main Size Distance
    1    1    2     0
    1    0    3     1
    1    0    4     2
    2    1    5     0
    2    0    6     2
    2    0    7     3

需求说明 #

按ID分组，仅针对每组中Main为0的行，计算Size与Distance的乘积，再将这些乘积求和，最终生成包含ID和求和结果Result的数据集，预期结果如下：

ID  Result
    1    11
    2    33

解决方案 #

方法1：使用R语言（dplyr包） #

核心逻辑是先筛选Main=0的行，再按ID分组求和，通过na.rm=TRUE避免缺失值导致的NA/NaN：

library(dplyr)

# 构造数据集
df <- data.frame(
  ID = c(1,1,1,2,2,2),
  Main = c(1,0,0,1,0,0),
  Size = c(2,3,4,5,6,7),
  Distance = c(0,1,2,0,2,3)
)

# 计算求和结果
result <- df %>%
  filter(Main == 0) %>%
  group_by(ID) %>%
  summarise(Result = sum(Size * Distance, na.rm = TRUE))

print(result)

方法2：使用Python语言（pandas库） #

先筛选符合条件的行，再计算乘积后分组求和，pandas默认忽略缺失值，也可显式指定skipna=True：

import pandas as pd

# 构造数据集
df = pd.DataFrame({
    'ID': [1,1,1,2,2,2],
    'Main': [1,0,0,1,0,0],
    'Size': [2,3,4,5,6,7],
    'Distance': [0,1,2,0,2,3]
})

# 简洁写法
result = df[df['Main'] == 0].assign(Product=lambda x: x['Size'] * x['Distance'])\
                            .groupby('ID')['Product'].sum()\
                            .reset_index(name='Result')

print(result)

你之前出现NA/NaN的原因大概率是未提前筛选Main=0的行，导致分组计算时包含了不符合条件的行或缺失值，提前筛选即可解决问题。

内容的提问来源于stack exchange，提问作者Teresa