如何在Pandas中无需apply实现groupby+条件+求和操作？

原始DataFrame #

id  value  is_mapping
0   1      1           1
1   1      1           1
2   1      1           0
3   2      1           0
4   2      1           0
5   2      1           0
6   3      1           1
7   3      1           1
8   3      1           1

需求 #

按id分组，仅对is_mapping == 1的记录求和value字段，要求保留所有id（无符合条件记录的id求和结果为0）。

期望结果 #

id  sum_result
0   1           2
1   2           0
2   3           3

实现方案（无需apply） #

完全可以不用apply实现，推荐两种高效简洁的方式：

方法1：列运算转换后分组求和 #

先通过列运算将is_mapping == 0的记录的value置为0，再按id分组求和：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'id': [1,1,1,2,2,2,3,3,3],
    'value': [1,1,1,1,1,1,1,1,1],
    'is_mapping': [1,1,0,0,0,0,1,1,1]
})

# 核心逻辑
result = df.assign(calculated_value=df['value'] * df['is_mapping'])\
           .groupby('id', as_index=False)['calculated_value'].sum()\
           .rename(columns={'calculated_value': 'sum_result'})

说明：value * is_mapping会自动将is_mapping=0的行的数值转为0，分组求和时自然保留所有id，无符合条件记录的id求和结果为0，完全符合需求。

方法2：分组聚合时指定条件求和 #

利用groupby.agg结合索引匹配实现条件求和，无需apply：

result = df.groupby('id', as_index=False).agg(
    sum_result=('value', lambda x: x[df.loc[x.index, 'is_mapping'] == 1].sum())
)

说明：这里的lambda是在聚合参数中使用，不属于apply方法范畴，同样能实现需求，不过方法1的可读性和执行效率更优。

内容的提问来源于stack exchange，提问作者nirkov