基于add/sub操作记录，用Pandas计算总余额及分团队余额

问题背景 #

我有一个名为df的DataFrame，包含type、timestamp、value和team列。type的取值为add（增加金额）或sub（扣除金额），记录了针对特定团队的收支情况。我希望计算所有团队的总支出余额，以及各团队的单独余额。例如，我可能周一向团队A支付X，周二收回X，周五再向团队A支付Y。请问有没有简洁的Pandas实现方法？

数据示例：

简洁实现方案 #

核心逻辑是先给收支金额赋予正负符号，再通过分组求和得到各团队余额，最后汇总总余额。

1. 生成带符号的收支金额

用np.where区分add和sub类型，给sub的金额加上负号：

import pandas as pd
import numpy as np

df['signed_value'] = np.where(df['type'] == 'add', df['value'], -df['value'])

2. 计算各团队单独余额

按team分组后对带符号的金额求和：

team_balances = df.groupby('team')['signed_value'].sum().reset_index(name='balance')

对示例数据执行后，团队A的余额为20 -15 +15 = 20，结果如下：

3. 计算所有团队总余额

直接对带符号金额列求和，或从团队余额汇总：

total_balance = df['signed_value'].sum()
# 等价写法：total_balance = team_balances['balance'].sum()

示例数据的总余额为20+20+50+10=100。

一行紧凑写法

如果追求代码简洁，可以合并步骤：

# 各团队余额
team_balances = df.assign(signed_value=np.where(df['type']=='add', df['value'], -df['value']))\
                  .groupby('team')['signed_value'].sum().reset_index(name='balance')
# 总余额
total_balance = team_balances['balance'].sum()

内容的提问来源于stack exchange，提问作者Ziva