如何将groupby聚合结果添加至原DataFrame对应组尾新列

给定初始DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[1,1,2,2],'values':np.arange(10,30,5)})

需求是：按列A分组计算values的求和值，将结果存入新列sum_values_A，且仅在每组的最后一行显示该求和值，其余行填充NaN。

你尝试的代码无法实现需求，因为groupby('A')['sum_values_A'].unique()会将每组转换为单个值的Series，无法与原DataFrame的行索引对齐，导致赋值失败。

以下是两种可行的实现方式：

方法一：定位每组最后一行赋值 #

先初始化新列为NaN，再计算每组求和值并仅赋值给每组的最后一行：

# 初始化新列为NaN
df['sum_values_A'] = np.nan
# 获取每组最后一行的索引，赋值对应组的求和值
group_sums = df.groupby('A')['values'].sum()
last_rows_idx = df.groupby('A').tail(1).index
df.loc[last_rows_idx, 'sum_values_A'] = group_sums.values

方法二：结合transform与cumcount筛选 #

先通过transform得到每组的求和值，再利用cumcount判断是否为每组最后一行，保留对应值并将其他行设为NaN：

# 先得到每组的求和值，填充到所有行
df['sum_values_A'] = df.groupby('A')['values'].transform('sum')
# 筛选出每组非最后一行的行，将对应sum_values_A设为NaN
df.loc[~df.groupby('A').cumcount(ascending=False).eq(0), 'sum_values_A'] = np.nan

执行上述任意一种方法后，得到的DataFrame结果如下：

A  values  sum_values_A
0   1      10           NaN
1   1      15          25.0
2   2      20           NaN
3   2      25          45.0

内容的提问来源于stack exchange，提问作者meg hidey