如何基于其他行的聚合值删除指定数据行？

需求说明 #

在同一Month和MainAggregate分组下，若所有**非SubAggregate='All'**行的ValueTraded总和等于该分组内SubAggregate='All'行的ValueTraded数值，则删除该SubAggregate='All'的行。

当前思路与已完成代码 #

思路逻辑：按MainAggregate和Month分组后，分组的ValueTraded总和 = 非All行总和 + All行数值。当非All行总和等于All行数值时，分组总和 = 2 * All行数值，此时需要删除对应的All行。目前仅完成分组求和步骤：

Tester = data.groupby(["Month", "MainAggregate"], as_index=False)["ValueTraded"].sum()
Tester["ValueTraded"] = Tester["ValueTraded"] / 2

示例数据与期望输出 #

原始数据（DATA） #

期望输出 #

完整实现代码 #

方案一：使用transform直接计算标记 #

通过transform在原数据中添加分组总和与All行数值，再构建过滤条件：

import pandas as pd

# 计算每个分组的ValueTraded总和
group_total = data.groupby(["Month", "MainAggregate"])["ValueTraded"].transform("sum")

# 提取每个分组中SubAggregate='All'的ValueTraded值
all_value = data.groupby(["Month", "MainAggregate"])["ValueTraded"].transform(
    lambda g: g[g.index.isin(data[data["SubAggregate"] == "All"].index)].iloc[0] 
    if (g.index.isin(data[data["SubAggregate"] == "All"].index)).any() 
    else 0
)

# 构建过滤掩码：非All行全部保留；All行仅当分组总和不等于2*All值时保留
keep_mask = (data["SubAggregate"] != "All") | (group_total != 2 * all_value)

# 过滤得到结果
final_data = data[keep_mask].reset_index(drop=True)

方案二：合并All行数据后判断 #

先提取All行的参考值合并到原数据，再计算非All行总和进行判断：

import pandas as pd

# 提取所有SubAggregate='All'的行，重命名列作为参考值
all_reference = data[data["SubAggregate"] == "All"].rename(
    columns={"ValueTraded": "All_Value"}
)[["Month", "MainAggregate", "All_Value"]]

# 将参考值合并到原数据
merged_data = pd.merge(data, all_reference, on=["Month", "MainAggregate"], how="left")

# 计算每个分组中非All行的ValueTraded总和
non_all_sum = merged_data[merged_data["SubAggregate"] != "All"].groupby(
    ["Month", "MainAggregate"]
)["ValueTraded"].transform("sum")

# 构建过滤条件
keep_mask = (merged_data["SubAggregate"] != "All") | (non_all_sum != merged_data["All_Value"])

# 过滤并清理列
final_data = merged_data.drop(columns="All_Value")[keep_mask].reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Marc225