如何在Pandas中更新指定子集DataFrame的VALUE字段值？

问题场景 #

我有一个包含约8000个PERSNR的DataFrame，结构示例如下（实际包含更多列）：

需求如下：

• 针对已知PERSNR列表的子集，按PERSNR和DATE汇总VALUE（忽略XYZ字段）
• 将汇总结果赋值给对应XYZ为"a"的行
• 将XYZ为"b"的行的VALUE设为0
• 保留原DataFrame的其他所有数据

目标结果示例：

实现步骤 #

1. 预处理VALUE字段 #

示例中VALUE是逗号分隔的字符串（如0,8），需先转换为数值类型才能求和：

# 替换逗号为小数点，转成float类型
df['VALUE'] = df['VALUE'].str.replace(',', '.').astype(float)

2. 定义目标PERSNR子集 #

替换为你实际需要处理的PERSNR列表：

target_persnr = [22222, 11111]  # 示例子集

3. 生成汇总数据 #

针对目标子集，按PERSNR和DATE分组求和：

# 筛选目标子集，分组计算VALUE总和
sum_df = df[df['PERSNR'].isin(target_persnr)].groupby(['PERSNR', 'DATE'])['VALUE'].sum().reset_index()
# 重命名列，避免和原表VALUE冲突
sum_df = sum_df.rename(columns={'VALUE': 'SUM_VALUE'})

4. 合并并更新原DataFrame #

将汇总数据合并回原表，按规则更新VALUE：

import numpy as np

# 左连接汇总表到原表，保留所有原始行
df = df.merge(sum_df, on=['PERSNR', 'DATE'], how='left')

# 按规则更新VALUE：
# - 目标子集内且XYZ='a'的行：用汇总值替换
# - 目标子集内且XYZ='b'的行：设为0
# - 其他行：保留原VALUE
df['VALUE'] = np.where(
    df['PERSNR'].isin(target_persnr) & (df['XYZ'] == 'a'),
    df['SUM_VALUE'],
    np.where(
        df['PERSNR'].isin(target_persnr) & (df['XYZ'] == 'b'),
        0.0,
        df['VALUE']
    )
)

# 删除临时的汇总列
df = df.drop(columns=['SUM_VALUE'])

5. 可选：恢复VALUE的逗号分隔格式 #

如果需要回到原始的字符串格式：

df['VALUE'] = df['VALUE'].astype(str).str.replace('.', ',')

完整代码示例 #

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    'PERSNR': [22222, 22222, 22222, 22222, 33333, 33333],
    'XYZ': ['a', 'b', 'a', 'b', 'a', 'b'],
    'DATE': ['Jan', 'Jan', 'Feb', 'Feb', 'Jan', 'Jan'],
    'VALUE': ['0,8', '0,2', '0,8', '0,2', '0,5', '0,5']
}
df = pd.DataFrame(data)

# 目标PERSNR子集
target_persnr = [22222]

# 预处理VALUE
df['VALUE'] = df['VALUE'].str.replace(',', '.').astype(float)

# 生成汇总表
sum_df = df[df['PERSNR'].isin(target_persnr)].groupby(['PERSNR', 'DATE'])['VALUE'].sum().reset_index()
sum_df = sum_df.rename(columns={'VALUE': 'SUM_VALUE'})

# 合并并更新数据
df = df.merge(sum_df, on=['PERSNR', 'DATE'], how='left')
df['VALUE'] = np.where(
    df['PERSNR'].isin(target_persnr) & (df['XYZ'] == 'a'),
    df['SUM_VALUE'],
    np.where(
        df['PERSNR'].isin(target_persnr) & (df['XYZ'] == 'b'),
        0.0,
        df['VALUE']
    )
)
df = df.drop(columns=['SUM_VALUE'])

# 转回逗号分隔格式（可选）
df['VALUE'] = df['VALUE'].astype(str).str.replace('.', ',')

print(df)

执行后输出：

PERSNR XYZ DATE VALUE
0   22222   a  Jan   1,0
1   22222   b  Jan   0,0
2   22222   a  Feb   1,0
3   22222   b  Feb   0,0
4   33333   a  Jan   0,5
5   33333   b  Jan   0,5

内容的提问来源于stack exchange，提问作者Mike