Pandas分组求和结果二次求和及新增second2列实现方法咨询

先保存分组求和的结果，方便后续复用：

import numpy as np
import pandas as pd

df = pd.read_csv('test_python.csv')
# 存储分组求和结果，避免重复计算
group_sum = df.groupby('fifth').sum()

需求1：对分组求和结果进行二次求和 #

根据实际需求，有两种常用实现方式：

• 按列单独二次求和（得到每列的总合计）：

  # 输出各列的最终求和结果，比如buy=6、cheese=8这种形式
  col_total = group_sum.sum()
  print(col_total)
  

• 整体二次求和（得到所有数值的总合计）：

  # 输出所有分组求和值的总和，比如6+8+12=26
  total_sum = group_sum.sum().sum()
  print(total_sum)
  

需求2：基于原数据second列创建second2新列，填充分组求和结果 #

核心是将原数据每行所属fifth分组的求和结果，映射到新列中，以下是两种实现方式：

方法1：用transform直接生成（推荐，无需额外字典转换） #

如果second2要填充该行所属分组的前三列总和：

# 计算每个fifth分组的前三列总和，自动匹配到原数据对应行
df['second2'] = df.groupby('fifth')[['buy', 'cheese', 'file']].transform('sum').sum(axis=1)

如果只需填充某一列的分组求和结果（比如仅buy列）：

df['second2'] = df.groupby('fifth')['buy'].transform('sum')

方法2：用map关联分组结果字典 #

先把分组求和结果转为字典，再映射到原数据：

# 以buy列的分组求和为例，生成{fifth值: buy求和值}的字典
buy_sum_dict = group_sum['buy'].to_dict()
# 将原数据fifth列对应的值映射为second2的内容
df['second2'] = df['fifth'].map(buy_sum_dict)

若要填充分组前三列的总和，先计算分组行总和再转字典：

group_row_sum = group_sum.sum(axis=1).to_dict()
df['second2'] = df['fifth'].map(group_row_sum)

内容的提问来源于stack exchange，提问作者hyena