Pandas中groupby分组后如何应用条件筛选与计算？

首先，先把你的分组统计结果存为变量，方便后续操作：

# 分组统计含'Death'的行数
state_grp = df.groupby(['State'])
death_counts = state_grp['Measure name'].apply(lambda x: x.str.contains('Death').sum())

方法一：基于DataFrame的直观修改（推荐新手） #

先把统计结果转成带列名的DataFrame：

death_counts_df = death_counts.reset_index(name='Sum')

然后用loc筛选出State包含字母'A'的行，直接修改Sum值：

# 对State含'A'的行，Sum乘2
death_counts_df.loc[death_counts_df['State'].str.contains('A'), 'Sum'] *= 2

执行后就能得到你想要的结果：

方法二：基于Series的直接处理 #

如果想直接在统计得到的Series上操作，需要通过index获取State值：

# 利用Series的index判断，符合条件则乘2
adjusted_counts = death_counts.where(~death_counts.index.str.contains('A'), death_counts * 2)

再转成DataFrame即可：

result_df = adjusted_counts.reset_index(name='Sum')

为什么你之前的apply没成功？ #

你之前尝试的apply(lambda x: ..)大概率是没正确获取到State值——在Series上使用apply时，lambda的参数是对应的值，而不是索引（State）。所以要判断State的话，需要通过操作Series的index或者在元素级apply时访问x.name来实现。

内容的提问来源于stack exchange，提问作者Bolicopito