仅用for循环与if语句实现DataFrame文本分组求和

原始DataFrame #

期望输出 #

已知内置函数实现方式 #

可以用Pandas的groupby和merge快速实现：

df1 = df.groupby('Text')['Score'].sum().reset_index(name='Sum')
df3 = df.merge(df1, on='Text', how='left')

需求限制 #

不能使用groupby、sum()这类内置聚合函数，仅允许通过for循环和if语句完成需求。

尝试的错误代码及问题 #

以下是尝试的代码：

def func(df):
    # NOTE, CANNOT USE LIST APPEND (as it is an in-built function).
    sum = 0
    n = len(df['text']) # NEED TO WORK FOR-LOOP USING INTEGERS AND HENCE NEED LENGTH
   
    for i in range(0,n):
        exists = False  #flag to track repeated values

        for j in range(i+1,n):            
            if df['text'][i] == df['text'][j]: # IF TRUE, THEN THE 'TEXT' ROWS ARE SIMILAR I.E. GROUPED
                exists = True
                sum = df['score'][i] + df['score'][j]
                
                break;  
        
        if not exists:
            sum += sum

    return sum

df['Sum'] = func(df)

运行后所有行的Sum列都被赋值为10，结果不符合预期。问题出在：

• 仅累加了同组的两个元素，没有遍历所有同组行完成完整求和
• 最终返回的是单一值，导致整个列被覆盖为同一个数
• 逻辑错误，if not exists时的sum += sum会错误累加

正确实现代码 #

核心思路是先通过循环统计每个文本对应的总分，存储在字典中，再循环给每行赋值：

def calculate_sum_column(df):
    # 存储每个文本对应的总分
    text_total = {}
    n = len(df)
    
    # 第一步：统计每个文本的总分
    for i in range(n):
        current_text = df['Text'].iloc[i]
        # 如果该文本还没统计过，遍历所有行求和
        if current_text not in text_total:
            total = 0
            for j in range(n):
                if df['Text'].iloc[j] == current_text:
                    total += df['Score'].iloc[j]
            text_total[current_text] = total
    
    # 第二步：给每行添加Sum列的值，预先初始化列表避免使用append
    sum_list = [0] * n
    for i in range(n):
        sum_list[i] = text_total[df['Text'].iloc[i]]
    
    return sum_list

# 赋值到DataFrame
df['Sum'] = calculate_sum_column(df)

代码说明 #

1. 用字典text_total缓存每个文本的总分，避免重复计算（适配大数据量场景）
2. 第一次循环：对每个未统计过的文本，遍历所有行累加对应Score，存入字典
3. 第二次循环：根据每行的Text，从字典中取出总分赋值到预初始化的列表，最后返回列表给DataFrame的Sum列

运行后即可得到符合预期的输出。

内容的提问来源于stack exchange，提问作者GaussEuler