Python实现DataFrame的Sumprod-if功能遇错，求正确解法

错误原因 #

你尝试用if df['A']=="a1"的写法会生成一个布尔类型的Series（每个元素对应原DataFrame中A列是否等于a1），而if语句只能判断单个布尔值，无法直接处理整个Series，因此触发ValueError: The truth value of a Series is ambiguous错误。

原始DataFrame复现代码 #

import pandas as pd

data = {
    'A': ['a1', 'a2', 'a3', 'a2', 'a1'],
    'B': [0.1, 0.2, 0.11, 0.13, 0.3],
    'C': [500, 300, 200, 700, 300]
}
df = pd.DataFrame(data)

正确实现方法 #

方法一：新增乘积列后分组求和（直观易懂） #

先计算B和C的乘积，再按A列分组求和，最后调整列名匹配期望输出：

# 计算B与C的乘积
df['BC_product'] = df['B'] * df['C']
# 按A列分组求和，转换为DataFrame
result = df.groupby('A')['BC_product'].sum().reset_index()
# 重命名列
result.columns = ['A_values', 'sumprodif']

方法二：直接在分组中计算（无需新增列） #

使用groupby.apply直接对每组计算乘积之和，效率更高：

result = df.groupby('A').apply(lambda group: (group['B'] * group['C']).sum()).reset_index()
result.columns = ['A_values', 'sumprodif']

方法三：使用agg聚合函数（更简洁的写法） #

通过agg指定自定义聚合逻辑，避免lambda的额外开销：

result = df.groupby('A').agg(
    sumprodif=pd.NamedAgg(column='B', aggfunc=lambda x: (x * df.loc[x.index, 'C']).sum())
).reset_index()
result.columns = ['A_values', 'sumprodif']

验证结果 #

上述方法最终都会得到符合期望的输出：

内容的提问来源于stack exchange，提问作者Sara_BB