如何对Pandas列表类型Series按ID进行逐元素求和（Zip Sum）

原数据与需求 #

给定如下DataFrame：

import pandas as pd
df = pd.DataFrame([{'id': "A", 'inv' : [1,2,3,4,5]},
                   {'id': "A", 'inv' : [1,2,3,4,5]},
                   {'id': "B", 'inv' : [1,2,3,4,5]},
                   {'id': "B", 'inv' : [1,2,3,4,5]}])

需要按id分组，对每组inv列的列表元素执行逐元素求和，得到目标结果：

pd.DataFrame([{'id': "A", 'inv' : [2,4,6,8,10]},
              {'id': "B", 'inv' : [2,4,6,8,10]}])

（注：你提供的目标结果中第三项为3，应为笔误，正确结果应为6）

解决方案 #

方法1：使用groupby+apply结合zip #

利用zip(*x)将每组内的列表按位置打包，再对每个位置的元素求和：

result = df.groupby('id')['inv'].apply(lambda x: [sum(i) for i in zip(*x)]).reset_index(name='inv')

• zip(*x)：将每组中所有列表的对应位置元素打包成元组，例如A组会得到(1,1), (2,2), (3,3), (4,4), (5,5)
• 列表推导式遍历每个元组，执行sum()得到逐元素求和结果

方法2：借助Numpy数组操作 #

将列表转换为Numpy二维数组，按行方向求和后再转回列表：

import numpy as np

result = df.groupby('id')['inv'].apply(lambda x: np.sum(np.array(x.tolist()), axis=0).tolist()).reset_index(name='inv')

• x.tolist()：将分组后的Series转为列表的列表
• np.array()：转换为二维数组，axis=0表示按列（即原列表的元素位置）求和
• .tolist()：将求和后的Numpy数组转回普通列表

验证结果 #

执行上述任意代码后，result即为目标DataFrame：

id          inv
0  A  [2, 4, 6, 8, 10]
1  B  [2, 4, 6, 8, 10]

内容的提问来源于stack exchange，提问作者Harpreet Singh