如何为重复Account ID生成收入总和新列？groupby代码生成空列求助

你遇到的空列问题核心是分组求和后的索引与原DataFrame索引不匹配：
df.groupby('Account ID')['Revenue'].sum() 返回的是一个以Account ID为索引的Series，仅包含每个账户的唯一行；而原DataFrame的索引是原始行号，两者无法对齐，导致赋值后原DataFrame的大部分位置找不到对应值，最终出现空列。

以下是三种可行的解决方法，按需选择：

方法1：用transform直接生成对应列（最简便） #

transform方法会自动将分组计算的结果广播到原DataFrame的每一行，完美对齐索引：

df['Total_Revenue'] = df.groupby('Account ID')['Revenue'].transform('sum')

方法2：分组求和后合并回原DataFrame #

如果需要同时处理多个分组统计字段，用merge更灵活：

# 先计算每个账户的总收入，重置索引转为DataFrame
sum_df = df.groupby('Account ID')['Revenue'].sum().reset_index(name='Total_Revenue')
# 左合并回原DataFrame，保留所有原始行
df = df.merge(sum_df, on='Account ID', how='left')

方法3：用map映射字典 #

先把分组结果转成字典，再通过Account ID映射到原DataFrame：

# 生成账户-总收入的字典
revenue_dict = df.groupby('Account ID')['Revenue'].sum().to_dict()
# 映射到原列
df['Total_Revenue'] = df['Account ID'].map(revenue_dict)

内容的提问来源于stack exchange，提问作者Shah_z51