如何在Pandas中实现SQL的PARTITION BY分组求和功能？

你可以使用Pandas的groupby()结合transform()方法实现需求，transform会将分组聚合结果映射回原DataFrame的每一行，完全保留原始结构，和SQL窗口函数的逻辑完全匹配。

原始数据定义 #

import pandas as pd

df = pd.DataFrame({'group':['A','A','A','B','B','B'],'value':[1,2,3,4,5,6]})

实现代码 #

直接新增GroupSum列即可：

df['GroupSum'] = df.groupby('group')['value'].transform('sum')

结果验证 #

执行后得到的DataFrame与目标结构完全一致：

print(df)
#   group  value  GroupSum
# 0     A      1         6
# 1     A      2         6
# 2     A      3         6
# 3     B      4        15
# 4     B      5        15
# 5     B      6        15

原理说明 #

• groupby('group')['value']按group列分组并选取value列
• transform('sum')对每个分组计算总和，再将该总和填充到对应分组的每一行，最终返回与原DataFrame行数一致的Series，可直接作为新列添加

内容的提问来源于stack exchange，提问作者Hana