如何在Pandas中分别计算正负值求和？求代码优化建议

原代码存在的问题 #

• 无需使用groupby：需求是对整个数据集的正负值分别求和，没有分组维度，groupby属于冗余操作
• 语法错误：代码括号不匹配，groupby与agg的调用逻辑混乱
• 命名不合理：第一个聚合键用了value，既和原列名重复，也无法体现“负值求和”的含义

方法一：直接计算+构造结果 #

先筛选出正负值列分别求和，再按期望格式输出：

import pandas as pd

# 构造示例数据集
df = pd.DataFrame({
    'ID': ['A', 'B', 'AA', 'TT', 'UV', 'QA', 'WQ', 'QC'],
    'value': [-1, -5, 1, 3, 4, 50, -40, 10]
})

# 计算正负值总和
positive_total = df[df['value'] > 0]['value'].sum()
negative_total = df[df['value'] < 0]['value'].sum()

# 生成目标格式的结果
result = pd.Series([positive_total, negative_total], index=['positive', 'negative'])
print(result)

输出结果：

positive    68
negative   -46
dtype: int64

方法二：使用agg简洁实现 #

利用Pandas的agg方法直接对value列做多维度聚合，更符合Pandas风格：

result = df['value'].agg(
    positive=lambda x: x[x > 0].sum(),
    negative=lambda x: x[x < 0].sum()
)
print(result)

该代码会直接输出与需求一致的结果，无需额外构造Series。

内容的提问来源于stack exchange，提问作者Lynn