如何在pandas中按Manager_ID分组统计离职员工数并新增列？

你直接执行df['term_count'] = df.groupby('Manager_ID')['Termed'].sum()出现NaN的核心原因是：

• groupby('Manager_ID')['Termed'].sum()返回的是一个以Manager_ID为索引的Series，长度等于唯一Manager_ID的数量；
• 原DataFrame的索引是默认行号（0、1、2...），两者索引不匹配，只有当原DataFrame的行索引恰好等于某个Manager_ID值时才会赋值成功，其余行都会填充NaN。

另外你的需求是仅经理行显示自己管理的下属离职数，普通员工行显示0，需要针对性调整代码逻辑。

# 1. 统计每个经理ID对应的下属离职员工总数
manager_term_counts = df.groupby('Manager_ID')['Termed'].sum()

# 2. 用员工ID匹配经理ID的统计结果，匹配到则取离职数，否则填0
df['term_count'] = df['Emp_ID'].map(manager_term_counts).fillna(0).astype(int)

执行后即可得到你期望的输出：

Name     Emp_ID     Job       Manager     Manager_ID       Termed      term_count
Adam      100      Sales       Steve        103               0             0
Beth      101      Sales       Steve        103               0             0
Rick      102      Tech        John         106               0             0 
Steve     103      Sales Mgr.  Lisa         110               0             2
Drake     104      Tech        John         106               1             0
Sarah     105      Sales       Steve        103               1             0 
John      106      Tech Mgr.   Rodger       122               0             1
Mike      107      Sales       Steve        103               1             0

• df.groupby('Manager_ID')['Termed'].sum()：按经理ID分组，统计每组内离职员工的总数；
• df['Emp_ID'].map(manager_term_counts)：用员工ID匹配经理ID的统计结果，只有当员工是经理（即其ID出现在Manager_ID列表中）时，才会拿到对应的下属离职数；
• fillna(0).astype(int)：将未匹配到的普通员工行填充为0，并转为整数类型，符合输出格式要求。

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