如何在两个Pandas DataFrame间实现匹配条件下的列值求和？

现有两个Pandas DataFrame，需要在second中新增一列result，值为first中与当前行a列匹配的所有行的b列之和，无匹配时填0。

给出的初始代码及数据如下：

import pandas as pd
first = pd.DataFrame([{"a": "aaa", "b": 2, "c": "bla", "d": 1}, {"a": "bbb", "b": 3, "c": "bla", "d": 1}, {"a": "aaa", "b": 4, "c": "bla", "d": 1}, {"a": "ccc", "b": 11, "c": "bla", "d": 1}, {"a": "bbb", "b": 23, "c": "bla", "d": 1}])
second = pd.DataFrame([{"a": "aaa", "val": 111}, {"a": "bbb", "val": 222}, {"a": "ccc", "val": 333}, {"a": "ddd", "val": 444}])

first数据：

a   b    c  d
0  aaa   2  bla  1
1  bbb   3  bla  1
2  aaa   4  bla  1
3  ccc  11  bla  1
4  bbb  23  bla  1

second数据：

a  val
0  aaa  111
1  bbb  222
2  ccc  333
3  ddd  444

预期结果：

a  val result
0  aaa  111      6
1  bbb  222     26
2  ccc  333     11
3  ddd  444      0

方法1：分组聚合+合并（高效推荐） #

先对first按a分组求和，再和second左合并，最后填充缺失值为0。这种方法性能优于逐行lambda，适合大数据集：

# 对first按a分组，计算b列的和
sum_b = first.groupby('a')['b'].sum().reset_index(name='result')
# 合并到second，无匹配的行用0填充
second = second.merge(sum_b, on='a', how='left').fillna(0)
# 转换为整数类型（可选，根据需求）
second['result'] = second['result'].astype(int)

print(second)

方法2：使用apply+lambda（通用逐行处理） #

如果需要用lambda实现通用的逐行查找求和，可以结合first的布尔索引：

second['result'] = second['a'].apply(lambda x: first[first['a'] == x]['b'].sum())

print(second)

这种方法逻辑直观，适合小数据集或需要自定义更复杂条件的场景，但大数据下性能不如分组聚合。

内容的提问来源于stack exchange，提问作者SCBuergel